SOC e IA agéntica: automatizar no es delegar
En conversaciones sobre los Centros de Operaciones de Seguridad (SOC), hay un enfoque que ha predominado durante años: aplicar la automatización para reducir el trabajo repetitivo. Pero la llegada de la IA agéntica plantea un salto cualitativo. Porque un agente ya no se limita a seguir una regla estática; busca información, relaciona evidencias, formula hipótesis y decide el siguiente paso. Si dispone de los permisos adecuados, incluso puede ejecutar acciones de contención. Esto abre la puerta a reducir los tiempos de detección y respuesta, mejorar la consistencia de los análisis y liberar a los especialistas para que puedan concentrarse en los incidentes de mayor complejidad. Sin embargo, introducir un agente de IA en el SOC no elimina el problema difícil. En buena medida, lo desplaza.
El problema que vemos, una y otra vez, es que muchas organizaciones quieren delegar decisiones de ciberseguridad en la IA Agéntica sin haber entendido antes el entorno en el que operará esa tecnología. Hoy queremos hablar de eso.
El SOC real no es una demostración
Cuando alguien dice “vamos a poner un agente a investigar”, a menudo piensa en un entorno ideal. Pero un SOC real se parece muy poco a una demostración controlada. La información está dispersa entre múltiples plataformas, la telemetría no siempre está completa, los inventarios de activos pueden estar desactualizados y los procedimientos documentados rara vez reflejan la forma en la que el equipo trabaja realmente.
Además, una parte vital del contexto reside en la experiencia humana que no está en ninguna herramienta. Esta complejidad es todavía mayor en entornos IT/OT. Una acción que puede parecer correcta desde una perspectiva estrictamente técnica podría interrumpir un proceso industrial, afectar a una línea de producción o aislar un sistema cuya recuperación no es inmediata. Por ello, la decisión adecuada no depende únicamente de la alerta, sino también del contexto operativo, de la criticidad del activo y del impacto potencial sobre el negocio.
El agente operará sobre esta misma realidad. Trabajará con integraciones imperfectas y los mismos puntos ciegos. Automatizar un pipeline de detección que no está correctamente diseñado no genera necesariamente más seguridad; también puede generar conclusiones equivocadas mucho más rápido.
Un agente, no es una herramienta, es una identidad privilegiada
Lo que hace realmente crítico (y complejo) aplicar IA agéntica es que, para investigar de forma autónoma, el agente necesita consultar información sensible y utilizar credenciales con capacidad para actuar sobre los sistemas.
En la práctica, no debería considerarse únicamente un software adicional, sino una nueva identidad digital privilegiada. Si le damos permisos excesivos y sin control, esta misma capacidad que acelera la investigación podría convertirse en una superficie de ataque, permitiendo a un atacante ocultar su actividad, bloquear usuarios legítimos o interrumpir la operativa.
Esto obliga a responder preguntas que van más allá del rendimiento del agente. ¿A qué información puede acceder el agente? ¿Qué herramientas puede utilizar? ¿Qué acciones está autorizado a ejecutar? ¿Cómo se limita el alcance de sus credenciales? ¿Durante cuánto tiempo mantiene el contexto? ¿Cómo se auditan sus decisiones? ¿Qué ocurre si un atacante consigue manipular las instrucciones, los datos o las evidencias sobre las que construye su análisis?
No se trata de automatizar más, sino de saber cuánto delegar
El error más común es plantear los agentes de IA en el SOC puramente en términos de productividad: cuántas alertas resolverá o cuánto tiempo ahorrará. La pregunta fundamental es cuánta autonomía estamos dispuestos a concederle y bajo qué condiciones. En la práctica, la autonomía debe diseñarse de manera progresiva:
- Automatizar acciones de bajo impacto: Recopilar evidencias, enriquecer una alerta o formular una hipótesis tiene un riesgo muy bajo. Aquí el modelo procesa grandes volúmenes de información rápidamente.
- Asistir en la decisión: El agente puede investigar y proponer soluciones, pero la decisión final queda en manos del analista.
- Supervisión estricta en entornos críticos: Aislar un servidor o intervenir en un sistema industrial (OT) requiere extremo cuidado, ya que una acción técnicamente correcta podría paralizar una línea de producción. La respuesta autónoma aquí solo debería contemplarse en escenarios muy controlados y reversibles.
El primer paso no es tecnológico
Y aquí está probablemente la reflexión más importante. El mayor error al incorporar IA agéntica no es elegir mal el modelo. Es no haber gobernado el entorno antes de delegar decisiones.
Se conectan modelos a herramientas existentes sin normalizar el contexto de los activos, sin mejorar la calidad de la telemetría y sin establecer controles específicos para las identidades no humanas.
Es imprescindible definir qué decisiones pueden delegarse, qué evidencias debe presentar el agente antes de actuar, qué acciones requieren aprobación humana y cuáles deben permanecer siempre bajo responsabilidad directa del equipo.
Cada intervención debería dejar constancia de la información consultada, las herramientas utilizadas, la decisión propuesta, la acción ejecutada y el resultado obtenido. Del mismo modo, deben existir mecanismos para limitar el radio de acción del agente, revocar sus credenciales, detener su ejecución y revertir sus actuaciones cuando sea posible.
Porque cuando un agente aísla el servidor equivocado a las tres de la madrugada, afirmar que “lo decidió la IA” no resuelve el incidente ni determina quién responde por las consecuencias.
¿Dónde situarías la línea entre la supervisión humana y la autonomía real en tu organización? ¿Qué acciones permitirías ejecutar de forma autónoma y cuáles mantendrías siempre bajo control humano?
