Zscaler Agentic SOC incorpora la contención autónoma al centro de operaciones de seguridad
Zscaler lanzó Zscaler Agentic SOC el 9 de septiembre, desplazando a los agentes de IA de las tareas de asesoramiento hacia la contención directa de amenazas en redes empresariales. El conflicto es inmediato. Los ataques más rápidos exigen defensas más rápidas, pero un error automatizado también puede bloquear a un usuario legítimo o interrumpir una aplicación esencial.
El producto combina agentes especializados, telemetría de Zscaler, alertas de terceros, contexto empresarial y controles integrados de Zero Trust Exchange. Estos agentes pueden clasificar señales, reconstruir rutas de ataque, emitir veredictos e iniciar flujos de respuesta. Los clientes pueden mantener la aprobación humana o habilitar una mayor automatización a medida que aumenta la confianza.
Esto sitúa a Zscaler dentro de una competencia más amplia por el futuro de las operaciones de seguridad. Microsoft, Databricks, Dropzone AI y otros proveedores también están desarrollando sistemas de investigación y respuesta liderados por agentes. La apuesta de Zscaler es que su posición dentro del tráfico de red ofrece a sus agentes mejores pruebas y un camino más corto entre la detección y la aplicación de controles.
No se trata simplemente de otro chatbot de seguridad. La función determinante es la remediación de circuito cerrado, en la que el análisis puede llevar directamente al bloqueo de tráfico, el aislamiento de identidades o la restricción de acceso. El valor dependerá de si los clientes confían en las pruebas, los controles y el proceso de recuperación que sustentan esas acciones.
Zscaler Agentic SOC conecta la detección con la contención
El lanzamiento cambia dónde se detiene la automatización: Zscaler quiere que los agentes de IA lleven un incidente desde señales dispersas hasta una decisión de contención.
Zscaler describe su nuevo producto como un sistema de operaciones de seguridad basado primero en IA, no como un asistente añadido a un panel existente. Estuvo disponible globalmente cuando la empresa lo anunció desde San José, California, el 9 de septiembre de 2026.
Un centro de operaciones de seguridad, o SOC, es el equipo y la tecnología responsables de supervisar, investigar y responder a amenazas digitales. La mayoría de los flujos de trabajo de los SOC aún dividen esas responsabilidades entre varios productos y múltiples analistas.
Zscaler Agentic SOC intenta condensar esa secuencia. Agentes especializados se encargan de la clasificación, la investigación de causa raíz, la asignación de veredictos y la orquestación de respuestas. Cada agente desempeña una función limitada y luego incorpora sus hallazgos a una narrativa compartida del incidente.
El sistema se nutre de señales de red, identidad, endpoints, nube, protección de datos y engaño de Zscaler. También puede incorporar alertas y contexto procedentes de productos externos. Zscaler afirma que su grafo de contexto conecta esas señales con detalles como la importancia de los activos, la identidad del usuario, el estado del dispositivo y la exposición conocida.
Ese contexto importa porque una alerta rara vez explica por sí sola su relevancia para el negocio. Una conexión sospechosa desde un dispositivo de prueba sin uso presenta un riesgo distinto que la misma conexión desde el portátil administrado de un ejecutivo financiero.
Zscaler afirma que sus agentes pueden vincular la actividad con el marco MITRE ATT&CK, resumir una ruta de ataque, mostrar pruebas de respaldo y destacar pruebas contradictorias. Esta última función aborda un problema básico de confianza. Los analistas necesitan ver por qué se alcanzó un veredicto automatizado antes de aprobar una respuesta disruptiva.
Los detalles del lanzamiento de la empresa indican que el servicio utiliza modelos de Anthropic y OpenAI junto con inteligencia de amenazas propietaria. Zscaler no ha reducido públicamente el producto a un único modelo fundacional, lo que le permite dirigir tareas entre distintos modelos.
El paso más importante llega después de la investigación. Zscaler afirma que la plataforma puede utilizar controles integrados nativos para aislar a usuarios comprometidos, bloquear tráfico de comando y control y restringir el movimiento lateral. Las integraciones de terceros pueden ampliar estas opciones de respuesta más allá de la propia plataforma de Zscaler.
Los clientes no tienen que empezar con una contención sin supervisión. Los controles de respuesta admiten ejecución manual, playbooks aprobados por humanos y acciones automatizadas. Este modelo gradual permite a los equipos empezar con recomendaciones antes de conceder a los agentes una autoridad más amplia.
Esa distinción separa el lanzamiento de las funciones de IA generativa que solo resumen alertas. Zscaler Agentic SOC sitúa el razonamiento automatizado junto a los mecanismos que pueden modificar el acceso en tiempo real.
Los ataques impulsados por IA están acortando el tiempo de respuesta de los defensores
Zscaler vende velocidad de respuesta porque los atacantes automatizan cada vez más los pasos de reconocimiento y ejecución que antes daban más tiempo a los analistas.
La empresa sostiene que los procesos convencionales de SOC no pueden correlacionar, analizar y remediar actividad hostil con suficiente rapidez. Sus investigadores de ThreatLabz han observado que los atacantes utilizan sitios web de confianza, herramientas legítimas de administración remota y técnicas basadas en navegadores para evadir controles conocidos.
Estos métodos son difíciles porque cada acción individual puede parecer un comportamiento autorizado. Una utilidad de administración remota tiene usos empresariales legítimos. Un dominio de confianza no indica automáticamente que su contenido sea seguro. Las solicitudes del navegador pueden persuadir a los usuarios para que ejecuten comandos sin descargar malware reconocible.
La IA puede ayudar a los atacantes a probar más variantes, reescribir señuelos, recopilar información pública y coordinar actividad de varios pasos. No convierte cada intrusión en algo novedoso. Aumenta la velocidad y el volumen con los que pueden adaptarse técnicas conocidas.
Esto genera presión sobre los analistas que trabajan con herramientas fragmentadas. Una consola puede contener eventos de identidad, mientras otra almacena alertas de endpoints. El tráfico de red, la actividad en la nube, los hallazgos de vulnerabilidades y los registros de propiedad empresarial pueden estar en otros lugares.
Cada transferencia consume tiempo. Los analistas deben buscar eventos relacionados, decidir si describen un mismo incidente, identificar los activos afectados y seleccionar una respuesta proporcionada. La automatización se vuelve valiosa cuando elimina esas demoras mecánicas sin ocultar las pruebas.
Zscaler afirma que su Zero Trust Exchange procesa más de 750.000 millones de transacciones cada día. La empresa presenta esa escala como una ventaja de datos porque su servicio ya se encuentra en la ruta de muchas conexiones de clientes.
Esta afirmación requiere una interpretación cuidadosa. Un gran volumen de telemetría no produce automáticamente veredictos de incidentes precisos. La calidad de los datos, la cobertura del cliente, la lógica de correlación, el comportamiento de los modelos y el contexto específico de cada entorno siguen siendo determinantes.
Sin embargo, la visibilidad integrada puede acortar el camino entre la observación y la acción. Una herramienta superpuesta puede identificar actividad sospechosa, pero seguir dependiendo de otra plataforma para bloquearla. Zscaler puede conectar un hallazgo con controles que ya aplican políticas de acceso.
Esta presión no se limita a los clientes de Zscaler. Microsoft describe un modelo de SOC agéntico en el que las defensas autónomas bloquean cuentas, aíslan dispositivos y reúnen pruebas antes de que un analista abra la cola.
Databricks ha seguido una ruta diferente con Lakewatch, aplicando análisis agéntico a datos de seguridad almacenados en un lakehouse. Su enfoque enfatiza los formatos abiertos, la amplia retención de datos y el análisis cerca de los datos empresariales subyacentes.
Dropzone AI se centra en investigar alertas en una pila de seguridad existente antes de escalar amenazas confirmadas. Ese modelo superpuesto puede resultar atractivo para compradores que quieren automatización sin sustituir sus herramientas consolidadas.
Estos productos difieren, pero su argumento comercial es similar. La atención humana se ha convertido en el recurso limitado. Por ello, los proveedores quieren que el software cierre casos rutinarios, priorice incidentes graves y prepare investigaciones complejas para la revisión de expertos.
La respuesta obligada para los líderes de seguridad es operativa, no retórica. Deben decidir qué decisiones puede tomar un agente, qué pruebas debe presentar y qué acciones siguen requiriendo aprobación explícita.
La verdadera competencia es entre la telemetría nativa y la integración neutral
La principal ventaja de Zscaler también es su disyuntiva central: los datos nativos pueden mejorar el contexto de respuesta, mientras que la dependencia de una plataforma puede limitar lo que el sistema ve.
Zscaler presenta muchos productos de SOC agéntico competidores como capas superpuestas sobre alertas fragmentadas. En su opinión, estas herramientas heredan el mismo contexto insuficiente y las señales tardías que ya cargan a los analistas humanos.
Su alternativa comienza con telemetría generada dentro de Zero Trust Exchange. La plataforma puede combinar una conexión con la identidad del usuario, el estado del dispositivo, la aplicación, la política de datos y las condiciones de acceso. Después, los agentes evalúan un incidente utilizando ese contexto unificado.
El producto puede investigar el tráfico de Zscaler sin reenviar todos los registros sin procesar a un sistema independiente de gestión de eventos e información de seguridad. Un SIEM es una plataforma que recopila registros de seguridad para análisis, investigación, cumplimiento y retención.
Zscaler no afirma que todos los clientes deban eliminar su SIEM. Posiciona Agentic SOC como una capa operativa que puede enviar incidentes resumidos al SIEM, mientras mantiene allí el almacenamiento a largo plazo y la agregación amplia.
Esta arquitectura puede reducir el movimiento duplicado de registros de red de gran volumen. También puede permitir que los agentes de respuesta actúen a través de la misma plataforma que observó el tráfico. Ambos resultados dependen de qué parte del entorno relevante del cliente cubre realmente Zscaler.
Una plataforma nativa ve sus propias señales con una profundidad inusual. Aun así, puede necesitar datos externos para reconstruir actividad en correo electrónico, código fuente, aplicaciones de software como servicio, tecnología operativa y productos de seguridad de otros proveedores.
Por eso la integración con terceros no es una función secundaria. Determina si el grafo de contexto representa una ruta de ataque completa o un fragmento detallado de una.
Databricks presenta la ruta opuesta. Su diseño de Lakewatch enfatiza formatos abiertos y análisis sobre datos de seguridad y empresariales ya almacenados en un lakehouse. Esto puede proporcionar un amplio contexto histórico sin partir de una plataforma de aplicación de controles integrada.
Microsoft cuenta con otra ventaja estructural. Defender, Entra, Sentinel, Microsoft 365 y Azure pueden aportar señales de endpoints, identidad, correo electrónico, nube y colaboración. Su estrategia agéntica se construye sobre una gran base empresarial instalada.
Especialistas como Dropzone AI ofrecen neutralidad. Sus sistemas pueden operar sobre productos existentes de SIEM, detección de endpoints, gestión de casos y orquestación. Esa flexibilidad puede reducir la dependencia de una única plataforma, aunque los agentes deben normalizar datos procedentes de muchas fuentes.
La respuesta de Zscaler es un modelo de integración abierto combinado con aplicación de controles nativa. Quiere que las pruebas externas entren en su investigación, mientras mantiene la contención cerca de sus propios controles integrados.
El resultado no estará determinado por el número de integraciones en una página de producto. Los compradores deben probar si esas conexiones transportan suficiente contexto, operan en ambas direcciones y conservan las pruebas después de una acción automatizada.
Una integración superficial puede importar el título de una alerta sin los eventos circundantes. Una más sólida puede recuperar pruebas sin procesar, actualizar un caso, iniciar una respuesta controlada y registrar el resultado.
Esta es la cuestión competitiva central detrás de Zscaler Agentic SOC. La telemetría nativa ofrece velocidad y coherencia. Las plataformas neutrales ofrecen una elección más amplia. Los compradores empresariales deben decidir qué debilidad representa el mayor riesgo en su entorno.
La respuesta autónoma crea una nueva superficie de fallo
Un agente capaz de detener a un atacante también puede interrumpir el trabajo legítimo, por lo que la precisión de la contención importa más que los resúmenes de incidentes elocuentes.
Un resumen equivocado desperdicia tiempo de los analistas. Una respuesta automatizada equivocada puede deshabilitar una cuenta, bloquear un servicio de confianza, interrumpir la producción o aislar un dispositivo crítico durante un proceso empresarial urgente.
Este riesgo no vuelve inutilizable la contención autónoma. Cambia el estándar de prueba. Los equipos de seguridad deben evaluar a un agente como un control operativo, no simplemente como una función de productividad.
El primer requisito es evidencia rastreable. Zscaler afirma que sus agentes muestran señales tanto favorables como contradictorias para cada determinación. Los clientes deberían verificar que esas explicaciones hagan referencia a eventos subyacentes, en lugar de ofrecer una narrativa persuasiva sin evidencia reproducible.
El segundo requisito es una autoridad limitada. Un agente autorizado para bloquear un archivo malicioso presenta un riesgo operativo distinto al de uno autorizado para aislar a ejecutivos, revocar credenciales o modificar políticas de red amplias.
Los permisos deben corresponderse con la gravedad del incidente, la confianza, la criticidad del activo y el coste de recuperación. Las acciones de menor riesgo pueden ejecutarse automáticamente. Las acciones de mayor impacto deberían requerir aprobación hasta que la organización haya demostrado un rendimiento fiable.
El tercer requisito es la reversibilidad. Cada playbook automatizado necesita una vía de reversión probada. Los analistas deben saber cómo restaurar el acceso, revertir un bloqueo y recuperar el estado original cuando cambie el veredicto.
El cuarto requisito es la auditabilidad. Los equipos de seguridad y cumplimiento necesitan registros que indiquen qué observó el agente, qué modelos o políticas influyeron en la decisión, qué acción se realizó y quién la aprobó.
El quinto requisito es la resistencia a la manipulación. Un atacante puede intentar contaminar datos, crear correlaciones engañosas o explotar instrucciones consumidas por un agente. Un mayor acceso a herramientas ofrece a un agente comprometido más formas de causar daños.
El análisis sobre la seguridad de agentes de NIST encontró un amplio consenso en que los principios consolidados de ciberseguridad siguen siendo pertinentes, aunque requieren adaptación para los agentes de IA. La identidad, la autorización, la supervisión y la gobernanza se vuelven más difíciles cuando el software puede planificar y actuar con supervisión limitada.
La aprobación humana por sí sola no resuelve todos los problemas. Los analistas pueden aprobar recomendaciones con demasiada rapidez cuando el volumen de alertas es elevado o las explicaciones parecen autoritativas. Por tanto, la supervisión debe incluir reglas claras de escalamiento, muestreo, revisión del rendimiento y validación independiente.
La calidad de la telemetría subyacente plantea otra incertidumbre. Una crítica del sector sobre la brecha de visibilidad sostiene que los agentes pueden fallar cuando la evidencia de endpoints, identidad, nube y red sigue fragmentada.
El grafo de contexto de Zscaler aborda directamente esa crítica, pero la empresa no ha proporcionado públicamente métricas universales de precisión para todos los entornos de clientes. Su rendimiento y sus beneficios siguen siendo afirmaciones del proveedor hasta que los despliegues generen evidencia comparable de forma independiente.
Los falsos positivos son solo una parte del problema. Un agente también puede producir falsos negativos, cerrar un caso sospechoso o pasar por alto una nueva cadena de acciones que, de forma individual, parecen benignas.
Los clientes deberían evaluar incidentes completos en lugar de clasificaciones de alertas aisladas. Las pruebas útiles incluyen identidades comprometidas, abuso de herramientas de administración remota, ataques basados en navegador, movimiento lateral y actividad que abarque Zscaler y sistemas de terceros.
Los equipos también deberían comparar los modos asistido y automatizado. Una recomendación que los analistas rechazan habitualmente no debería convertirse en una acción sin supervisión solo porque una puntuación de confianza supera un umbral arbitrario.
La contención agéntica necesita una adopción escalonada. Comience con observación y resúmenes, avance hacia recomendaciones, automatice acciones reversibles y acotadas, y amplíe la autoridad solo después de que la evidencia medida respalde el cambio.
Las alianzas de IA de Zscaler importan menos que su plano de control
Los modelos pueden mejorar el razonamiento, pero la diferenciación duradera de Zscaler procede de los datos, los permisos y los sistemas de aplicación que los rodean.
Zscaler ha nombrado a Anthropic y OpenAI como socios de modelos para Agentic SOC. Esto proporciona a la plataforma acceso a modelos de frontera sin vincular cada tarea a un único proveedor.
Una estrategia multimodelo puede dirigir distintos trabajos al modelo más adecuado para cada uno. Un modelo podría resumir un incidente complejo, mientras otro evalúa la evidencia o genera un plan de respuesta.
Sin embargo, los modelos fundacionales están cada vez más disponibles para muchos proveedores de ciberseguridad. El acceso a ellos no crea por sí solo una ventaja duradera. Los competidores pueden licenciar capacidades similares o sustituir modelos a medida que cambie el rendimiento.
El trabajo más difícil se encuentra alrededor del modelo. Los agentes de seguridad necesitan evidencia normalizada, herramientas restringidas, políticas específicas de la organización, controles de identidad, registros duraderos y mecanismos de respuesta. También necesitan sistemas de evaluación que prueben su comportamiento frente a patrones de incidentes reales.
Zscaler afirma que sus agentes aprovechan más de diez años de experiencia en SOC, detección gestionada, respuesta y búsqueda de amenazas. La empresa también asegura que la inteligencia procedente de miles de entornos de clientes informa al sistema.
Estas afirmaciones describen los insumos de entrenamiento y ajuste, no una precisión verificada de manera independiente. Los compradores siguen necesitando resultados de entornos similares a los propios.
La arquitectura proporciona a Zscaler varias palancas prácticas. Puede enriquecer una conexión sospechosa con contexto de políticas y postura. Puede recomendar una respuesta basándose en el impacto empresarial. Después, puede ejecutarla mediante controles inline sin esperar al sistema de otro proveedor.
Este ciclo cerrado solo tiene valor cuando la gobernanza permanece vinculada a cada paso. Un modelo no debería recibir acceso sin restricciones simplemente porque la plataforma circundante tenga una visibilidad amplia.
Los equipos de seguridad necesitan acceso basado en roles, credenciales con alcance limitado, límites de acción, políticas de aprobación y aislamiento entre clientes. También deberían saber si los datos de incidentes se retienen, dónde se realiza la inferencia y cómo gestionan los proveedores de modelos el contenido enviado.
Las actualizaciones de modelos crean otro problema operativo. Un modelo más reciente puede comportarse de manera distinta incluso cuando el flujo de trabajo circundante permanece constante. Los proveedores necesitan pruebas de regresión antes de cambiar un modelo que influye en decisiones de contención.
Los clientes deberían preguntar si Zscaler registra la versión del modelo, la configuración del agente, el estado de la política y la evidencia utilizada para cada acción. Sin esos detalles, investigar una respuesta incorrecta se vuelve mucho más difícil.
La explicabilidad también requiere más que prosa. Una vista eficaz del incidente debería permitir a los analistas inspeccionar marcas de tiempo, identidades, sesiones de red, activos afectados, señales contradictorias y la secuencia de decisiones del agente.
Aquí es donde la propuesta de Zscaler Agentic SOC se vuelve concreta. El titular menciona agentes de IA, pero el producto tendrá éxito mediante una ingeniería de control fiable.
Los modelos de frontera pueden ayudar a los agentes a interpretar la ambigüedad. No pueden compensar la falta de evidencia, permisos excesivos, integraciones deficientes o un plan de recuperación no probado.
Tres señales mostrarán si Zscaler Agentic SOC funciona
La próxima prueba no es otro anuncio de funciones; es si los clientes pueden automatizar una contención significativa sin aumentar la interrupción del negocio.
La primera señal es un rendimiento medible en producción. Los compradores deberían buscar cambios documentados en el tiempo de investigación, el tiempo de contención, la carga de trabajo de los analistas, las acciones de falsos positivos y las decisiones revertidas.
Una cita de un cliente sobre análisis más rápidos aporta contexto útil, pero no demuestra fiabilidad general. La evidencia sólida compararía flujos de trabajo automatizados y dirigidos por humanos en categorías de incidentes definidas.
Los informes más valiosos separarán el triaje de la contención. Muchas herramientas pueden resumir o priorizar alertas. Muchas menos pueden ejecutar de forma segura una respuesta contra una identidad, dispositivo, destino o aplicación en funcionamiento.
Si los despliegues muestran una contención más rápida con pocas acciones innecesarias, el argumento de Zscaler sobre la telemetría nativa gana respaldo. Las reversiones frecuentes o los cuellos de botella de aprobación debilitarían el caso de la automatización de ciclo cerrado.
La segunda señal es la profundidad de la integración con terceros. Zscaler debe demostrar que Agentic SOC puede reunir incidentes coherentes cuando la evidencia se extiende más allá de su propia plataforma.
Los compradores deberían observar qué integraciones de SIEM, endpoints, identidad, nube, tickets y orquestación admiten flujos de trabajo bidireccionales. También deberían examinar qué contexto transfiere cada conector.
Una integración amplia reforzaría la afirmación de Zscaler de que la telemetría nativa y las herramientas abiertas pueden coexistir. Un contexto limitado dejaría a los clientes con otra visión parcial, aunque esa visión fuese detallada.
La tercera señal es cómo los competidores conectan el razonamiento con la aplicación. Microsoft puede crear flujos de trabajo autónomos en Defender, Entra, Sentinel, Azure y Microsoft 365. Databricks puede enfatizar los datos abiertos y el contexto a largo plazo. Los proveedores especializados pueden defender su independencia de la plataforma de aplicación.
Una respuesta competitiva que ofrezca una contención comparable con evidencia más amplia reduciría la diferenciación de Zscaler. A la inversa, integraciones débiles o tardías entre stacks competidores harían más atractiva la posición inline de Zscaler.
Los líderes de seguridad no deberían esperar a un ganador universal. Pueden definir una clase de incidente acotada, establecer una línea de base revisada por humanos y probar el mismo flujo de trabajo en sistemas candidatos.
La evaluación debería medir calidad de la evidencia, consistencia de las decisiones, velocidad de contención, profundidad de integración, intervención de analistas y éxito de la reversión. También debería incluir pruebas adversariales diseñadas para engañar al agente.
Los equipos necesitan un registro fiable de esas pruebas. Una base de conocimiento técnica con capacidad de búsqueda puede conservar playbooks, veredictos rechazados, límites de integración y hallazgos posteriores a incidentes entre los grupos de seguridad e ingeniería.
El lanzamiento de Zscaler Agentic SOC convierte la defensa autónoma en una decisión de compra actual, en lugar de un concepto lejano. Su propuesta más sólida es la unión entre contexto y acción inline.
Su pregunta más difícil es igual de directa. ¿Pueden las organizaciones otorgar a los agentes autoridad suficiente para superar a los atacantes sin permitir que un veredicto incierto se convierta en una interrupción automatizada?
Comience con un flujo de trabajo reversible, defina el umbral de evidencia y mida cada intervención. El futuro de las operaciones de seguridad agénticas se decidirá por esos registros, no por la seguridad con la que una IA narre el incidente.
