La IA acelera la detección de amenazas, pero la puerta sigue abierta
Mientras las organizaciones se preparan para nuevas vulnerabilidades, problemas conocidos —como configuraciones deficientes, una higiene de DNS precaria e infraestructuras heredadas— continúan ampliando la superficie de ataque.
Septiembre de 2026.- Los modelos de IA de frontera, como Mythos, están acelerando el descubrimiento de vulnerabilidades y el desarrollo de exploits a una velocidad antes inimaginable. Esto no solo implica la aparición de nuevas amenazas, sino que también aporta mayor visibilidad sobre años de riesgo técnico acumulado y sistemas heredados que permanecen sin parches o desactualizados.
Muchas organizaciones ya eran conscientes de esta deuda técnica. La diferencia radica en que las herramientas basadas en IA ahora pueden sacar a la luz, de manera concentrada, vulnerabilidades que habían permanecido dispersas durante años o que se consideraban manejables.
Esta situación también está empezando a afectar las relaciones entre las empresas y sus proveedores. Los clientes plantean preguntas más exhaustivas sobre cómo protegen los propios proveedores su código frente a modelos como Mythos y qué prácticas de desarrollo seguro están implementando.
El problema no es solo cuántas vulnerabilidades existen
Uno de los principales desafíos es el volumen.
Los hallazgos generados por herramientas como Mythos pueden incluir un gran número de vulnerabilidades, falsos positivos e incluso problemas detectados en código que no es explotable o que no está en uso.
Para los equipos de ingeniería, esto plantea una pregunta inevitable: «¿Qué se debe corregir primero?».
Las organizaciones ya conviven con miles de riesgos conocidos y carecen de capacidad para aplicar parches a todos ellos. A medida que la IA aumenta el número de vulnerabilidades identificadas, la priorización inteligente deja de ser opcional.
El modelo tradicional, basado principalmente en puntuaciones CVE/CVSS, ya no es suficiente. La gravedad debe complementarse con otros factores: la ubicación de la vulnerabilidad dentro de la infraestructura, si es accesible desde Internet o mediante movimiento lateral desde otros sistemas, su explotabilidad y el impacto empresarial que supondría el compromiso del activo.
El objetivo es trascender la simple lista plana de vulnerabilidades clasificadas como críticas, altas o medias y avanzar hacia una visión de vectores de ataque priorizados, lo que refleja con mayor fidelidad cómo se movería realmente un atacante por la organización.
Cuando el problema reside en los cimientos
La IA también incrementa la presión sobre los sistemas antiguos que siguen siendo críticos para las operaciones empresariales.
Incluso las organizaciones con un alto nivel de madurez acumulan un importante retraso en las actualizaciones y deben decidir constantemente qué corregir y qué riesgos asumir. En algunos casos, seguir aplicando parches a sistemas intrínsecamente inseguros puede dejar de ser una estrategia sostenible. El desafío es especialmente evidente en el caso de los dispositivos IoT y los sistemas embebidos instalados en ubicaciones remotas o de difícil acceso, cuya actualización puede resultar, en ocasiones, prácticamente imposible.
Cuando la sustitución inmediata de estos sistemas no es viable, cobran especial importancia los controles compensatorios: la segmentación de la red, las restricciones a nivel de DNS y las limitaciones sobre quién puede resolver o acceder a servicios específicos.
Estas medidas pueden reducir el radio de impacto, incluso cuando no es posible solucionar una vulnerabilidad de inmediato.
La IA hace que los viejos errores sean más costosos
El debate sobre la IA suele centrarse en nuevas vulnerabilidades y ataques de día cero (*zero-day*). Sin embargo, es importante hacer notar que, que las herramientas de IA no eliminarán los problemas de seguridad tradicionales, sino que los amplificarán.
Una higiene deficiente del DNS, las configuraciones erróneas, los puertos abiertos y la infraestructura heredada siguen brindando oportunidades a los atacantes sin necesidad de descubrir una nueva vulnerabilidad de día cero.
La diferencia radica en la velocidad.
La IA está reduciendo las barreras de tiempo y conocimientos necesarias para llevar a cabo tareas de reconocimiento, ingeniería social y explotación. Como resultado, depender exclusivamente de un ciclo reactivo de detección y aplicación de parches resulta cada vez menos sostenible.
Un camino hacia la protección
La respuesta exige fortalecer los pilares estructurales de la seguridad —arquitectura, segmentación, identidad y DNS—, combinándolos con una gestión continua de la exposición para identificar qué activos son accesibles y cuáles representan el mayor riesgo.
«En un entorno en el que la IA puede descubrir vulnerabilidades más rápido de lo que las organizaciones pueden corregirlas, cerrar las puertas que ya sabemos que están abiertas puede ser tan importante como prepararse para la próxima vulnerabilidad desconocida», afirmó Saul Escalante, director regional de ventas para América Latina de Infoblox.
En una era de ciberseguridad en rápida evolución, es fundamental que las organizaciones pasen de una mentalidad reactiva centrada en los parches a un enfoque preventivo. Esto comienza por descubrir continuamente la exposición real y priorizar aquello a lo que los atacantes pueden acceder y explotar, en lugar de tratar todos los hallazgos por igual.
Igualmente, es importante cerrar las puertas y ventanas que ya se sabe que están abiertas, así como como los problemas de higiene del DNS, las configuraciones incorrectas y los sistemas heredados. A esto se suma la resiliencia arquitectónica —lograda mediante la segmentación y la separación de la identidad de los servicios de red—, que ayuda a contener cualquier amenaza que logre superar las defensas iniciales.
