Zero Trust lleva mucho tiempo siendo el estándar para proteger el acceso humano, pero los entornos empresariales actuales exigen una nueva extensión: Zero Trust para la IA. A medida que los agentes de IA empiezan a tomar decisiones, interactuar con sistemas e iniciar acciones, el perímetro de seguridad tradicional debe ampliarse. La cuestión ya no es si debemos confiar en la IA, sino cómo aplicar Zero Trust a los sistemas de IA desde el principio.
Cuando «seguro desde el diseño» no es lo bastante seguro
Cada vez está más extendida la creencia de que protocolos como Model Context Protocol (MCP) ofrecen una forma «segura» de desplegar agentes de IA al limitar aquello a lo que pueden acceder o lo que pueden hacer. Sin embargo, presentar MCP como un protocolo seguro es una narrativa falsa. Limita las ventajas, pero no los riesgos.
Acciones aparentemente seguras, como que un agente consulte millones de registros de clientes mediante una instrucción SQL de solo lectura, pueden saturar las bases de datos, bloquear recursos y generar vulnerabilidades. Todo ello sin infringir las reglas. No se trata de un error, sino de una consecuencia de proporcionar herramientas a los agentes sin una supervisión rigurosa.
La confianza cero para los agentes empieza por no confiar en nada
Por eso ha llegado el momento de aplicar el modelo de confianza cero no solo a los usuarios, sino también a los agentes de IA. Y no como una metáfora, sino como un marco: denegar por defecto todas las acciones y conceder permisos con intervención humana a lo largo del proceso.
Este marco parte de la premisa de que ningún agente es de confianza inicialmente. El acceso no se basa únicamente en roles, sino también en casos de uso, y está vinculado al momento, el contexto y la intención. ¿Necesita leer datos de una tabla? Obtendrá acceso a esa tabla y a nada más. ¿Necesita realizar una acción? Esa acción tendrá un alcance limitado, quedará registrada y será supervisada.
Y, al igual que ocurre hoy con la preocupación por la filtración de credenciales de API, las claves de los agentes y los permisos de los modelos deben gestionarse con el mismo rigor que aplicamos a las cargas de trabajo en la nube y a los usuarios con privilegios.
Por qué este cambio es importante
A medida que la IA se integra cada vez más en los flujos de trabajo, la seguridad no puede seguir basándose en supuestos obsoletos. Los agentes no olvidan. No se cansan. Y, si se utilizan indebidamente, no piden perdón.
La confianza cero para los agentes implica:
- Denegación por defecto: Los agentes no tienen acceso de entrada, sino que deben ganárselo
- Escalado con intervención humana: Los permisos sensibles requieren aprobaciones explícitas
- Delimitación de casos de uso: El acceso depende del contexto, no es universal
- Observabilidad desde el diseño: Cada solicitud, respuesta y resultado se registra y analiza, y puede auditarse
Este enfoque garantiza que la velocidad a la que opera la IA no se convierta en un riesgo.
Una nueva capa de seguridad para una nueva era
Aquí es donde entran en juego las soluciones de seguridad en tiempo de ejecución para la IA: crean barreras de protección dinámicas en torno a la forma en que los agentes de IA interactúan con los sistemas, los datos y los usuarios en tiempo real. Al igual que en su día redefinimos los perímetros de red para la nube, ahora debemos redefinir los perímetros de comportamiento para los sistemas autónomos. En definitiva, el modelo Zero Trust debe madurar, porque los agentes de IA ya están aquí, son potentes y no se caracterizan precisamente por su buen criterio. Los equipos de seguridad deben crear sistemas que den por sentado que cualquier interacción con un agente podría salir mal y proporcionar la supervisión necesaria para evitarlo.
Sobre el autor
James White es un ingeniero y líder empresarial de reconocido prestigio, con casi dos décadas de experiencia en el sector del software empresarial.
Más artículos de James WhiteArtículos relacionados del blog
El imperativo empresarial de la IA en un mundo de nube híbrida y multinube
Cómo la IA redefine los patrones de tráfico, el riesgo de las API y el cumplimiento normativo, y por qué el paquete Distributed Cloud Services Enterprise ofrece la profundidad necesaria en entornos híbridos multicloud.
STIG de F5 NGINX: un plan de seguridad para el sector público y los entornos regulados
Descubra cómo las STIG de F5 NGINX proporcionan un modelo de seguridad para el Departamento de Defensa de EE. UU. y los entornos regulados, ayudándole a cumplir la normativa mientras crea una infraestructura sólida de confianza cero con mayor visibilidad y resiliencia.
Cómo el marco AEGIS de Forrester valida un enfoque centrado en la inferencia
El auge de la IA agéntica está transformando el panorama de la seguridad empresarial. Estos agentes de IA autodirigidos funcionan de forma autónoma, toman decisiones en tiempo real y pueden interactuar entre distintos sistemas de maneras para las que las arquitecturas tradicionales de ciberseguridad no fueron diseñadas. Aunque esto abre nuevas posibilidades, también introduce riesgos sistémicos: fallos en cascada, secuestro de objetivos y superficies de ataque hasta ahora invisibles. El reciente […] de Forrester
La nueva superficie de riesgo de la IA: invisible, autónoma y ya está dentro
James White, vicepresidente de Ingeniería de F5 A mediados de 2025, es un buen momento para hacer balance de la adopción de la IA en las empresas y del estado de la seguridad de la IA. El uso de la IA generativa ya es habitual en las empresas En general, las empresas cuentan al menos con unos conocimientos básicos sobre la IA generativa. Entienden qué es y dónde puede […]
Protegiendo el futuro: cómo CalypsoAI se alinea con el Top 10 de OWASP para los LLM
Cuando OWASP publicó su Top 10 de 2025 para grandes modelos de lenguaje (LLM), proporcionó al sector un referente de seguridad muy necesario. Pero los referentes no sirven de nada si no se actúa. CalypsoAI aborda el 80 % del Top 10 de OWASP, dando prioridad a los riesgos reales más urgentes. La plataforma combina protección en tiempo real durante la ejecución y pruebas adversariales exhaustivas, ofreciendo una cobertura inigualable frente a las […]
Implementación de LLM en la empresa: mediante una API local
Por sí solos, sin medidas de protección ni protocolos adicionales de seguridad para la IA, el despliegue de modelos de IA generativa —en particular, modelos de lenguaje de gran tamaño (LLM)— en toda la empresa supone una oportunidad de alto riesgo y grandes beneficios para cualquier organización. Sin embargo, determinar exactamente cómo debe dar su organización este gran paso hacia el ámbito de la IA generativa requiere una planificación minuciosa. Quizá […]