El cuello de botella ya no es detectar: es investigar
Un centro de operaciones de seguridad (SOC) es el equipo —y el stack de herramientas— que vigila redes, identidades y dispositivos para detectar y responder a incidentes. Y ese equipo está desbordado: según las estimaciones que recoge Unite.AI en su análisis, algunas investigaciones sitúan la media en más de 4.400 alertas diarias por equipo. El texto va más allá y menciona empresas con dos millones de endpoints cuyos analistas todavía revisan esas alertas a mano.
Un founder con 30 empleados puede pensar que ese problema le queda lejos. No es así. Es el mismo problema en miniatura, solo que en una empresa pequeña la persona que investiga alertas también hace de CTO, de soporte y de compras. La pregunta que deja el artículo no es si conviene usar agentes de IA en seguridad, sino qué exactamente se escala cuando se escala: si se escala el volumen de datos sin el contexto de la organización, lo único que crece es el ruido.
¿Por qué procesar más datos no mejora la detección de amenazas?
Un agente que revisa millones de dispositivos necesita tres cosas antes de tocar nada: saber qué busca, entender qué es un comportamiento inusual en ese entorno concreto y distinguir qué hallazgo justifica una investigación profunda. Sin esa capa de contexto, la automatización produce conclusiones irrelevantes o directamente engañosas, y el equipo humano termina gastando más tiempo del que ahorró.
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →El punto que más incomoda a los responsables de seguridad es que el contexto no es genérico. Dos empresas pueden usar el mismo EDR, el mismo SIEM y la misma nube y aun así tener definiciones distintas de lo que es normal. Cambian la infraestructura, las aplicaciones, las obligaciones regulatorias y la tolerancia al riesgo. Y todo eso convive con una restricción que no admite debate: las aplicaciones tienen que seguir funcionando mientras se investiga y se contiene.
Unite.AI señala además un detalle que suele subestimarse: buena parte del conocimiento que orienta una investigación no está escrito en ningún sitio. Vive en la cabeza de los analistas veteranos, en decisiones de casos anteriores y en procedimientos informales. Eso no se carga con una hoja de cálculo. Se aprende observando a quien ya lo hace bien.
¿Cómo se mete el conocimiento de la organización dentro de un agente?
El análisis plantea varias vías, y conviene entenderlas como alternativas, no como una jerarquía:
- Ajuste fino por cliente. Entrenar o especializar un modelo con el historial de investigaciones, los procedimientos y el criterio del equipo. Permite sostener investigaciones a gran escala con un costo más predecible que el de los modelos de frontera.
- Modelos abiertos especializados. El texto los señala como especialmente útiles para tareas con poblaciones de dispositivos muy grandes, donde el volumen hace inviable el costo por consulta de un modelo de frontera.
- Recuperación, memoria y orquestación de flujos. En lugar de entrenar, se le da al agente acceso al conocimiento correcto en el momento correcto.
- Controles explícitos de políticas. Reglas duras que acotan qué puede hacer el agente, independientemente de lo que el modelo considere razonable.
La prueba para elegir no es técnica sino empírica: el método tiene que mejorar el desempeño del agente en el entorno donde va a operar. Y eso obliga a evaluar de forma continua, porque los modelos, los flujos y la propia empresa cambian. Aquí entra un recurso que ya usan los equipos de datos: gemelos digitales o entornos sintéticos, que permiten probar versiones nuevas del agente con casos representativos cuando los datos de producción ya están obsoletos o no se pueden usar.
¿Cuánto cuesta investigar un millón de alertas con un modelo de frontera?
Demasiado. El artículo de Unite.AI lo dice sin rodeos: las empresas que usen modelos de frontera para millones de investigaciones van a arruinarse. De ahí que el criterio económico deje de ser un detalle de FinOps y se convierta en requisito de arquitectura. Hay que encontrar el método más eficiente por investigación, sea un modelo de lenguaje pequeño (SLM) o uno propietario.
La industria ya se mueve en esa dirección. En marzo de 2025, Microsoft presentó seis agentes dentro de Security Copilot —triaje de phishing, triaje de alertas, optimización de acceso condicional, remediación de vulnerabilidades, informes de inteligencia y uno de identidad y dispositivos—, disponibles en versión preliminar desde abril de ese año, según reportó WWWhatsnew. El mismo artículo citaba informes según los cuales más del 60% de los profesionales de ciberseguridad siente que no puede responder a todas las alertas que recibe.
El mercado regional también se movió. Sonda, la integradora chilena con 13.000 empleados en 13 países e ingresos cercanos a 1.500 millones de dólares, ya aplica IA en el triaje, la investigación y la automatización de playbooks en su SOC federado con sedes en Chile, Colombia y Brasil, según declaraciones de su CISO Wilson España a DPL News.
¿Qué autonomía puede tener un agente de seguridad?
Identificar bien una amenaza es solo la mitad. La otra mitad es decidir qué puede hacer el agente por su cuenta, cuándo hace falta una persona y cómo evitar que una contención bien intencionada tumbe un servicio crítico.
La regla que propone Unite.AI es simple de enunciar y difícil de aplicar: la autonomía debe ser proporcional al riesgo. Tareas rutinarias y bien comprendidas pueden ejecutarse sin supervisión; acciones de alto impacto o potencialmente disruptivas necesitan aprobación humana o autorización adicional. Y cuando una investigación detecta una amenaza que exige cambiar la configuración de un cortafuegos, el caso tiene que pasar sin fricción al equipo responsable de ese sistema, con autorización clara y responsabilidad definida sobre la remediación.
En una mesa redonda sobre ciberresiliencia organizada por The Standard CIO, el arquitecto de ciberseguridad de Coasin Logicalis, Jimmy Ulloa, añadió un criterio operativo que complementa esa idea: todo lo que se automatice en la respuesta debería ser reversible. El riesgo real, advirtió, está en automatizar tareas que ponen en juego la operación y que no se pueden deshacer. En la misma sesión, Pablo Bullian, cofundador de Identik, marcó tres territorios donde la aprobación humana no debería cederse: credenciales privilegiadas, sistemas críticos para la operación y aceptación de riesgos de negocio.
¿Qué deben medir las empresas para saber si la IA en seguridad funciona?
No el volumen de alertas procesadas. El artículo propone métricas de resultado: precisión de la investigación, tasas de falsos positivos y falsos negativos, tiempo hasta investigar y remediar, costo por investigación, calidad de las escalaciones y cumplimiento de las políticas de autorización.
Ese último punto es el que más se olvida. Un agente que investiga rápido pero actúa fuera de sus límites no es un agente productivo: es un pasivo con latencia baja. Por eso la evaluación continua y las pruebas de regresión contra entornos sintéticos no son burocracia, son el mecanismo que evita que una actualización de modelo degrade en silencio la calidad de tus investigaciones.
Qué significa esto para tu startup
La mayoría de las startups hispanohablantes no tendrá dos millones de endpoints, pero sí tendrá el mismo patrón: alguien del equipo revisando alertas sin un criterio documentado. Y ese es justo el momento en que se decide si la IA te va a multiplicar la capacidad o el caos. Cuatro acciones concretas:
- Documenta tu criterio antes de automatizar. Escribe cómo decide tu equipo hoy que una alerta es grave, qué revisa primero y cuándo escala. Ese documento es tu materia prima: sin él no hay ajuste fino, ni memoria, ni política que valga.
- Empieza por lo reversible. Investigación, enriquecimiento de alertas y generación de informes son el terreno seguro. Aislar un servidor o desactivar una cuenta llega después, con umbrales de aprobación humana definidos por activo.
- Diseña la gobernanza antes del despliegue, no después. Unite.AI es explícito: los controles no se añaden cuando la tecnología ya escaló. Define por escrito qué puede hacer el agente, en qué sistemas y con qué mecanismo de reversión. Es más barato que descubrirlo durante un incidente.
- Mide costo por investigación desde el día uno. Si tu agente necesita un modelo de frontera para cada alerta, el modelo de negocio de tu seguridad no escala. Compara SLM, modelos ajustados y modelos propietarios con tus propios casos, no con la demo del proveedor.
Si no tienes equipo de seguridad dedicado —el escenario más común en una empresa de menos de 50 personas—, la vía realista no es construir un SOC propio sino evaluar un servicio gestionado. En la mesa de The Standard CIO, Dwayne Porr, de Kaspersky, recomendó a las pymes evaluar sus capacidades antes de emprender ese camino, y Bullian coincidió en que muchos equipos pequeños se benefician de la experiencia acumulada de quien ve patrones de ataque de varios sectores.
Conclusión
El mensaje central del análisis de Unite.AI se puede resumir en una línea: la escala bruta no es el objetivo. Lo que cambia la ecuación es combinar velocidad de máquina con contexto organizacional, autoridad bien delimitada y criterio humano en los puntos donde equivocarse es caro.
Para un founder, la lectura práctica es que la IA en seguridad no es una compra, es un diseño. Y el insumo crítico no se compra: es el conocimiento de cómo tu equipo decide. Las empresas que documenten ese criterio y lo conviertan en un sistema evaluable van a poder crecer sin que la seguridad se convierta en el freno. Las que solo sumen herramientas van a escalar exactamente lo que ya tenían: más alertas.
Fuentes
- Unite.AI — La IA puede llevar la seguridad a gran escala. Pero ¿qué es lo que se escala?
- Unite.AI — AI Can Scale Security. But Scale What?
- Digital Journal — Q&A: AI is coming for the SOC, are security teams ready?
- The Standard CIO — SOC agénticos: IA y ciberseguridad empresarial
- DPL News — La ciberseguridad no es un problema de falta de herramientas: Sonda
- WWWhatsnew — Microsoft presenta sus nuevos agentes de Security Copilot
Leíste lo que hace la IA. ¿Y en tu negocio?
Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.
👥 Quiero el Kit →













