Colombia: 4.090 ciberataques por semana y el reto de la IA

Colombia, segundo de América Latina en ciberataques semanales

Las empresas colombianas reciben en promedio 4.090 ciberataques cada semana, una cifra que ubica al país en el segundo lugar de América Latina, según el informe más reciente de Check Point Research. El dato lo retoma CLM, distribuidor de valor agregado (VAD) de tecnología, para señalar un problema que muchas startups descubren tarde: la IA generativa ya está dentro de la operación, pero los controles llegaron después.

Para Eddy Rojas, Director Comercial LATAM de CLM, el cambio no es de volumen sino de naturaleza. «La inteligencia artificial cambia la forma en que las empresas acceden, procesan y comparten información. Por eso, no basta con habilitar una herramienta: es necesario definir quién puede utilizarla, a qué datos puede acceder y qué controles existen para prevenir y detectar usos indebidos», advierte.

La observación llega en un momento incómodo. La mayoría de las pymes y startups de la región ya usa asistentes generativos a diario, pero son pocas las que tienen una política escrita sobre qué información puede entrar a esos modelos y qué no.

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 →

¿Por qué la IA amplía la superficie de riesgo?

Cada integración suma un punto de exposición. Un colaborador que pega un contrato o una base de clientes en un chatbot sin revisar las condiciones de tratamiento de esa información; una API que consulta el ERP interno; un agente que ejecuta tareas con permisos heredados de un piloto donde solo necesitaba leer.

CLM identifica tres vectores concretos:

Datos sin control de salida. Los equipos introducen información personal, financiera o confidencial en plataformas de IA sin conocer las políticas corporativas aplicables ni las condiciones del proveedor.
APIs y agentes con identidades difusas. Cuando los permisos no están bien definidos y las identidades no se administran, esos conectores se convierten en puertas laterales hacia los sistemas internos.
Prompt injection. Contenido malicioso que manipula las instrucciones del modelo para que ejecute algo distinto de lo que se le pidió.

La conclusión operativa es incómoda: la supervisión ya no puede limitarse a usuarios y dispositivos. Hay que vigilar también qué información procesan las aplicaciones de IA, qué acciones pueden ejecutar y cómo responden ante comportamientos anómalos.

Las amenazas ya no son teóricas

Un análisis de Unit 42, la unidad de investigación de Palo Alto Networks, documentó 22 técnicas para plantar instrucciones ocultas en sitios web activos: texto blanco sobre fondo blanco, contenido empujado fuera de pantalla, o instrucciones que solo se vuelven legibles después de cargar la página. En el 85% de los casos el atacante no usó nada sofisticado: simplemente le mintió al agente en lenguaje llano, disfrazando la orden como una actualización de seguridad o una tarea de cumplimiento. Uno de cada siete intentos buscaba destruir datos, según la misma investigación.

Ars Technica reportó que en los últimos cinco meses Google y otras cuatro organizaciones reconocieron vulnerabilidades en las que un agente comprometido dentro de la red propaga instrucciones dañinas a otros agentes internos a través de MCP (Model Context Protocol). El investigador Syed Anas Mohiuddin demostró los ataques explotando un hueco de confianza estructural: los agentes internos se creen entre sí por diseño, así que una orden que el modelo grande habría rechazado igual pasa.

El marco de referencia de la industria ya lo refleja. La lista OWASP Top 10 for Agentic Applications ubica el agent goal hijack —cuando un agente es desviado para perseguir el objetivo de un tercero— en el primer lugar de sus riesgos. Y un análisis de la publicación especializada Unite.AI recoge que Gartner proyecta que más del 40% de los proyectos de IA agéntica serán cancelados antes de fines de 2027, entre otras razones por controles de riesgo insuficientes.

¿Qué tan preparadas están las empresas colombianas?

La encuesta Digital Trust Insights 2027 de PwC Colombia muestra una brecha clara entre intención y capacidad. El 84% de las organizaciones del país proyecta aumentar su presupuesto de ciberseguridad y ubica la protección de la IA entre sus principales áreas de asignación de recursos.

El problema está en la ejecución:

Solo el 39% tiene planes de continuidad operativa completamente formalizados e integrados para responder a un incidente cibernético.
Solo el 49% implementó de forma completa políticas internas de clasificación de datos.
Apenas el 48% cuenta con mecanismos plenamente operativos para prevenir la pérdida de información en los principales canales de salida digitales.

El propio informe señala que los ataques diseñados para vulnerar o manipular sistemas de IA son la amenaza frente a la cual las organizaciones colombianas se consideran menos preparadas. Carlos Contreras, director de Ciberseguridad y Privacidad de PwC Colombia, sostiene que en la era de la IA la confianza digital es el activo que sostiene a todos los demás.

Cuánto cuesta una brecha y cuánto ahorra defenderse con IA

El informe «Coste de una brecha de datos 2026», elaborado por el Instituto Ponemon y patrocinado por IBM, puso números al riesgo regional: el costo promedio de una filtración en América Latina alcanzó 4,65 millones de dólares, con unos 40.300 registros expuestos por incidente. Uno de cada cinco ataques maliciosos en la región fue facilitado por inteligencia artificial, principalmente mediante suplantación con deepfakes y malware potenciado con modelos generativos.

A escala global, una de cada cuatro brechas maliciosas analizadas involucró IA, un aumento del 56% frente a 2025, con un costo promedio de 6 millones de dólares por incidente, según el mismo informe.

Hay un contraste que interesa a cualquier equipo que esté definiendo presupuesto este trimestre: las organizaciones que usan IA y automatización en sus operaciones de seguridad reportaron un costo promedio de 4,04 millones de dólares por filtración, frente a 5,64 millones de las que no las usan. La diferencia, de 1,6 millones por incidente, es uno de los argumentos más concretos a favor de invertir en defensa automatizada en lugar de sumar herramientas aisladas.

Las tres decisiones que recomienda CLM para adoptar IA con seguridad

La propuesta de CLM es deliberadamente simple, y funciona como checklist de arranque:

Definir qué información pueden utilizar los modelos y bajo qué condiciones. Sin esa definición, cualquier control posterior es reactivo.
Controlar las identidades, los permisos y las conexiones con los sistemas corporativos. Cada usuario, aplicación, API o agente debe tener permisos acordes con su función, autenticación adecuada y un proceso para retirar accesos innecesarios.
Incorporar monitoreo y respuesta ante incidentes desde el inicio del proyecto, no cuando el piloto ya escaló a producción.

A esto CLM suma clasificación de información, trazabilidad de su uso, protección de correo y dispositivos, cifrado y copias de seguridad, con el objetivo de integrar todo en una arquitectura coordinada en lugar de acumular herramientas sueltas.

¿Qué significa esto para tu startup?

El riesgo no escala con el tamaño de la empresa, escala con la cantidad de accesos que nadie revisó. Estas son las acciones que puedes ejecutar esta semana:

Haz el inventario de exposición de un agente que ya esté corriendo. Escribe dos listas: todo lo que lee y que alguien de afuera puede escribir (documentos de proveedores, correo entrante, páginas web, tickets, respuestas de APIs de terceros) y todo lo que puede cambiar o enviar sin aprobación humana. Donde se cruzan esas listas está tu exposición real. Casi siempre la segunda lista es más larga de lo esperado, porque los permisos se otorgaron durante un piloto donde el agente solo leía.
Dale identidad propia a cada agente. Un identificador único en lugar de una cuenta de servicio compartida, permisos equivalentes a los de la persona que hace la consulta y nada más, y un límite duro por trabajo: cuántos registros puede modificar, cuánto dinero puede mover, a dónde puede enviar datos. Un agente que lee contenido externo y además puede enviar datos hacia afuera en la misma tarea está a una página web maliciosa de trabajar para otro.
Clasifica los datos antes de conectar el modelo. Si tu equipo no sabe qué información es confidencial y cuál no, el asistente tampoco lo va a saber. Con el 49% de las empresas colombianas sin políticas completas de clasificación, esto suele ser el cuello de botella real.
Define quién revierte un cambio y en cuánto tiempo. Si la respuesta honesta es «solo nos enteramos después», tienes una herramienta de monitoreo, no un control. La pregunta útil es si una acción puede detenerse mientras ocurre.

Si tu startup vende software en Europa o aspira a hacerlo, suma un criterio regulatorio: el artículo 15 de la Ley de IA de la UE exige resiliencia frente a terceros no autorizados que intenten alterar el uso, los resultados o el rendimiento de un sistema de alto riesgo. No todo agente entra en esa categoría, pero es un umbral razonable para cualquiera que escriba en sistemas de registro.

Conclusión

La IA no creó un problema de seguridad nuevo, multiplicó la velocidad y la escala de uno viejo: accesos que nunca se revisaron. Con 4.090 ciberataques semanales y un costo promedio de filtración de 4,65 millones de dólares en América Latina, la ciberseguridad dejó de ser una etapa posterior a la innovación y se volvió una condición para llevar la IA a procesos críticos.

La buena noticia es que la mayoría de las medidas que recomienda CLM no requieren presupuesto nuevo: requieren decidir qué datos pueden tocar los modelos, quién puede acceder a qué y cómo se revoca un permiso. Eso se resuelve con una tarde de trabajo y una conversación entre tecnología, datos y legal. Lo que no se resuelve es explicar después, ante un cliente o un regulador, por qué un PDF movió dinero.