En su Guía de seguridad para agentes de IA personalizados de julio de 2026, Gartner afirma que «los agentes de IA introducen nuevos riesgos de seguridad, como la inyección indirecta de instrucciones y los agentes maliciosos, que pueden ocasionar pérdidas empresariales». En este contexto, la selección del modelo se convierte por sí misma en un aspecto que debe tenerse en cuenta en materia de seguridad.
F5 Labs publica cada mes una clasificación actualizada del Índice Integral de Seguridad de la IA (F5 CASI) para ofrecer a las organizaciones una visión basada en datos sobre la capacidad de los principales modelos para resistir ataques habituales de inyección de instrucciones y jailbreak. Además, nos complace que Gartner haya incluido a F5 en su informe.
Tradicionalmente, la selección de modelos se ha centrado en la capacidad, la velocidad y el coste. Estos factores siguen siendo importantes, pero ya no son suficientes cuando un modelo está conectado a datos confidenciales, herramientas externas y sistemas críticos para el negocio. Las características de seguridad del modelo determinan el riesgo que se introduce en la aplicación antes de aplicar cualquier control adicional.
CASI no está diseñado para emitir un veredicto sobre si un modelo es seguro o inseguro en términos universales. En su lugar, ofrece información práctica que tiene en cuenta el caso de uso, los datos, los permisos, el entorno de implementación y el posible impacto empresarial, lo que permite a las organizaciones tomar sus propias decisiones en materia de seguridad.
La selección de modelos se está convirtiendo en una decisión de seguridad
Los modelos con capacidades similares pueden presentar perfiles de seguridad muy diferentes. Uno puede resistir los ataques habituales con mayor eficacia, mientras que otro puede requerir controles compensatorios más sólidos. Sin datos comparativos sobre seguridad, las organizaciones se ven obligadas a tomar esas decisiones basándose en las afirmaciones de los proveedores, su reputación o meras suposiciones.
CASI aporta un mayor rigor a ese proceso al medir la resistencia de los modelos frente a técnicas de inyección de prompts y jailbreak, y presentar los resultados en un formato que puedan utilizar los equipos de seguridad, IA y gobernanza. F5 Labs también evalúa los compromisos entre riesgo y rendimiento, y entre coste y seguridad, porque el modelo adecuado no es simplemente el que obtiene la puntuación más alta. Es aquel cuyo perfil de seguridad, rendimiento y funcionamiento se ajusta al caso de uso previsto.
Para los CISO, esto convierte la evaluación de modelos, antes una preferencia técnica, en un requisito de gobernanza. La organización debe poder explicar por qué se seleccionó un modelo, qué pruebas fundamentaron la decisión, qué riesgos persisten y qué controles son necesarios antes de su implementación. Este registro cobra especial importancia cuando se actualizan los modelos, cambian las aplicaciones o el agente obtiene acceso a nuevos datos y herramientas.
El riesgo de los agentes va más allá del modelo
La resiliencia del modelo es solo el punto de partida. Una vez que un modelo se integra en un sistema agéntico, el riesgo se extiende a la identidad, los datos, la memoria, las instrucciones, las herramientas y las acciones que el agente está autorizado a realizar. Incluso un modelo resiliente puede implementarse con permisos excesivos, conectarse a herramientas poco seguras o quedar expuesto a un contexto contaminado.
El cambio fundamental consiste en pasar de evaluar lo que dice un modelo a controlar lo que puede hacer un agente. Un agente puede interpretar un objetivo, elaborar un plan, elegir herramientas, recuperar información y actuar en múltiples sistemas. Por tanto, una misma solicitud puede dar lugar a una ruta de ejecución y un resultado de riesgo diferentes, aunque la intención del usuario no haya cambiado.
Los equipos de seguridad deben definir el grado de autonomía como parte del diseño. Deben establecer qué puede decidir el agente, a qué puede acceder, qué acciones requieren aprobación y cuáles están prohibidas. Un asistente de investigación interno y un agente autorizado para modificar sistemas de producción no deben operar con los mismos permisos, medidas de protección ni umbrales de supervisión.
Las evidencias deben seguir el ritmo de los cambios
La seguridad de la IA no puede evaluarse únicamente en un momento concreto. Los modelos se actualizan, los proveedores ajustan los controles de seguridad, las aplicaciones incorporan nuevas integraciones y los atacantes desarrollan nuevas técnicas. Una puntuación que resultaba útil en el momento de la selección puede dejar de reflejar el riesgo actual cuando cambia el modelo o el sistema que lo rodea.
CASI se complementa con la clasificación Agentic Resistance Score (ARS), que analiza cómo responden los modelos a lo largo del tiempo ante ataques agénticos persistentes, adaptativos y de varios pasos. Esto es importante porque un agente adversario puede acumular contexto, cambiar de táctica y perseguir el mismo objetivo por distintas vías.
La periodicidad mensual se sustenta en la inteligencia sobre amenazas de F5 Labs, que permite hacer un seguimiento de cómo evolucionan con el tiempo las técnicas de ataque y el comportamiento de los modelos. En conjunto, CASI, ARS y la investigación de amenazas proporcionan una base de evidencias actualizada para la selección de modelos, las decisiones de arquitectura y el diseño de controles. No sustituyen las pruebas específicas de cada aplicación, pero ofrecen a los responsables de seguridad un punto de partida más sólido.
De la evaluación al control
Las evidencias tienen un valor limitado si no cambian la forma en que se protege el sistema. Las pruebas de modelos y agentes deben servir de base para los controles aplicados antes y durante el despliegue, incluidas las restricciones de acceso, las medidas de protección en tiempo de ejecución, la validación de herramientas, la protección de datos y la supervisión. A su vez, el comportamiento observado en producción debe servir para definir nuevas pruebas, introducir cambios en las políticas y reforzar los controles cuando sea necesario.
Este es el modelo operativo en el que se basa F5 AI Security Platform: evaluar el riesgo de la IA, definir la gobernanza y aplicar protecciones adaptadas a modelos, aplicaciones y agentes. La plataforma combina la evaluación, las pruebas adversariales y la seguridad en tiempo de ejecución para que las organizaciones puedan pasar de identificar vulnerabilidades a reducir la exposición en producción. La investigación de F5 Labs refuerza este ciclo al fundamentar las decisiones en datos actuales sobre modelos y patrones de ataque emergentes.
Para los CISO, el objetivo es eliminar los riesgos evitables de la IA y reducir el riesgo residual hasta un nivel aceptable, explicable y gestionable mediante una selección de modelos basada en evidencias, pruebas a nivel de sistema, controles aplicables en tiempo de ejecución y una reevaluación continua.
En nuestra opinión, la identificación de CASI por parte de Gartner llega en un momento en que las empresas se enfrentan a la presión de avanzar más rápido con la IA sin rebajar el nivel de control. Los responsables de seguridad necesitan una forma de respaldar la adopción de la IA y, al mismo tiempo, mantener la claridad sobre el riesgo que se acepta y las salvaguardas necesarias. Esto implica vincular las evidencias del modelo con la arquitectura y los controles operativos que rodean cada implementación.
Un programa sólido y justificable parte de tres disciplinas: medir el modelo, probar el sistema completo y controlar a qué puede acceder el agente y qué puede hacer. Estas disciplinas deben aplicarse de forma continua, ya que el riesgo subyacente no permanece estático. CASI, ARS y la inteligencia sobre amenazas de F5 Labs aportan datos que respaldan esas decisiones, mientras que la Plataforma de seguridad de IA de F5 ayuda a las organizaciones a poner esos datos en práctica.
El objetivo no es frenar la adopción de la IA, sino proporcionar a los CISO una base más sólida para decidir dónde puede implantarse, en qué condiciones y con qué controles, de modo que las organizaciones puedan dejar atrás los experimentos aislados y empezar a escalar de forma responsable y segura. Esta es la disciplina operativa que requiere ahora la IA empresarial.
Descubre las últimas novedades de clasificaciones F5 CASI y ARS y obtén más información sobre F5 AI Security Platform.
______
Gartner, Guía de seguridad para agentes de IA desarrollados a medida, Dennis Xu, Erik Wahlstrom et al., 6 de julio de 2026. GARTNER es una marca comercial de Gartner, Inc. y/o sus filiales.
Gartner no respalda a ninguna empresa, proveedor, producto o servicio mencionado en sus publicaciones, ni aconseja a los usuarios de tecnología que elijan únicamente a los proveedores con las calificaciones más altas u otra distinción. Las publicaciones de Gartner recogen las opiniones de la organización de análisis empresarial y tecnológico de Gartner y no deben interpretarse como afirmaciones de hechos. Gartner rechaza toda garantía, expresa o implícita, con respecto a esta publicación, incluidas las garantías de comerciabilidad o idoneidad para un fin determinado.
Sobre el autor
.jpeg)
Nirav Shah es vicepresidente sénior y responsable de Marketing de Productos y Soluciones en F5, donde dirige la estrategia de seguridad de aplicaciones y seguridad de la IA. Antes de incorporarse a F5, trabajó durante once años en Fortinet, donde ocupó varios puestos directivos, entre los que destaca la dirección de las soluciones SASE basadas en IA, SOC y redes seguras. Su amplia trayectoria también incluye puestos de gran relevancia en Cisco Systems, donde lideró importantes iniciativas de SD-WAN. Con más de dos décadas de experiencia en el sector de la ciberseguridad, cuenta con una sólida trayectoria en el lanzamiento de productos que han marcado el rumbo del mercado y en la creación de equipos de alto rendimiento que alinean el desarrollo de productos con las áreas de ventas y marketing para maximizar su impacto. Como referente del sector y antiguo alumno de la USC, participa con frecuencia como ponente en conferencias del sector y colabora habitualmente con publicaciones de prestigio sobre la convergencia entre la IA y la ciberseguridad, al tiempo que mantiene su compromiso con la mentoría de nuevos profesionales de la ciberseguridad.
Más artículos de Nirav ShahArtículos relacionados del blog
IA agéntica en ciberseguridad: promesas y riesgos
Descubre por qué el uso de la IA agéntica en ciberseguridad es esencial para combatir las amenazas impulsadas por IA y por qué los agentes también generan nuevos riesgos empresariales.
Cómo los clientes de F5 del sector financiero abordan la soberanía digital sin frenar la innovación
¿Cómo se materializa la soberanía digital en el mundo real? Dos proyectos recientes de F5 con clientes muestran cómo distintas empresas están afrontando estos retos.
Soberanía operativa: cómo desarrollar resiliencia en un mundo impredecible
Para muchas organizaciones, la cuestión ya no consiste únicamente en controlar los datos, sino en mantener la capacidad de operar, adaptarse y recuperarse a medida que evolucionan las leyes y las circunstancias.
No se puede proteger una conversación con un cortafuegos: cómo el red teaming de IA se volvió esencial
Dado que las implementaciones de IA avanzan a la velocidad de las máquinas, los métodos tradicionales de prueba de software ya no resultan adecuados.
Protege tu canalización de datos de IA sin ralentizarla
Proteger el flujo de datos de la IA no es opcional. Eso está claro. Lo que resulta mucho menos evidente —y mucho más difícil— es cómo protegerlo adecuadamente.
Las extranets no están muertas; solo necesitan una actualización
Modernice su extranet: descubra cómo F5 y Equinix ofrecen una conectividad para partners repetible, segura y escalable, sin la complejidad de las redes tradicionales.