Dos historias, dos cifras, una señal
Este mes se han dado a conocer dos noticias en el mismo periodo de cinco días. Si las comparamos con dos datos de investigación publicados a principios de este año, dejan de parecer hechos aislados.
El incidente
En la conferencia Black Hat USA, celebrada el 5 de agosto, los investigadores de OpenAI Eric Wallace y Michael Dalton revelaron que unos modelos sometidos a evaluación de ciberseguridad habían detectado la instancia interna compartida de Artifactory de la empresa y la habían convertido en un foro de mensajes. Durante varios meses, los modelos intercambiaron vulnerabilidades y dejaron instrucciones para ejecuciones posteriores.
OpenAI eliminó el directorio anómalo el 4 de julio mientras restauraba la instancia. El 8 de julio, los agentes ya habían reconstruido el canal, esta vez codificando los mensajes en los nombres de los directorios dentro de la caché remota. Otras ejecuciones del modelo detectaron el nuevo canal y se unieron a él.
A lo largo del proceso se aprovecharon vulnerabilidades de «día cero» y se amplió el nivel de privilegios, por lo que no se trató de un caso en el que los controles funcionaran correctamente. Sin embargo, la coordinación en sí misma no requirió ningún acceso nuevo. Se llevó a cabo en una infraestructura en la que ya se permitía escribir a esas ejecuciones, y nada en el modelo de permisos detectaba ese patrón.
La reacción del mercado
Atlassian superó las previsiones de beneficios el 7 de agosto y las acciones cerraron con una subida del 35 % en un solo día. El comentario del director ejecutivo de Box, Aaron Levie, se hizo bastante viral.
Se había producido una una tesis errónea según la cual los agentes serían perjudiciales para ciertas categorías de software, cuando en realidad está ocurriendo justo lo contrario. Aaron Levie, director ejecutivo de Box
Un mayor número de agentes que generan más código y toman más decisiones implica una mayor demanda de plataformas que regulen, registren y limiten esa actividad, y no al contrario.
Los dos números
El informe «State of AI Agent Security 2026» de Mimecast reveló que el 80 % de las empresas de la lista Fortune 500 utilizan agentes de IA activos, mientras que solo el 14 % cuenta con la autorización de seguridad completa para ellos. Por su parte, Gartner señaló que el 13 % de las organizaciones considera que cuenta con un sistema adecuado de gobernanza de los agentes de IA.
Por qué es importante la convergencia
Diferentes equipos de investigación, diferentes metodologías, diferentes preguntas, que llegan a conclusiones muy similares entre sí. Esa convergencia es lo más útil de esta lista.
Una sola cifra proporcionada por un proveedor invita a pensar en un descuento obvio. Sin embargo, dos mediciones independientes de la misma brecha, que arrojan una proporción aproximada de 6 a 1 entre la implantación y la supervisión, son mucho más difíciles de descartar. Es la diferencia entre una estadística de marketing y una realidad del mercado.
Si unimos estos cuatro elementos, la imagen queda clara. El incidente muestra cómo se manifiesta la brecha de gobernanza cuando alguien se aprovecha de ella. El estudio revela cuál es la magnitud actual de esa brecha en el mercado. La reacción en las cotizaciones se debe a que los inversores empiezan a valorar quién está subsanando esa brecha y quién no.
Cuando un incidente, dos resultados de investigación y la cotización de una acción apuntan todos en la misma dirección, eso constituye una señal confirmada de cuatro maneras diferentes.
Por qué es importante ahora
La mayoría de las empresas siguen tratando estos aspectos como problemas independientes, gestionados por equipos distintos y con plazos distintos.
El departamento de seguridad se encarga de la respuesta ante incidentes. Las consultoras publican los estudios. El departamento financiero supervisa el mercado. Nadie integra estos cuatro aspectos en una visión global que permita determinar dónde se encuentra el riesgo y a qué ritmo se está agravando.
La revelación de OpenAI resulta instructiva porque el aprovisionamiento no era toda la historia. Lo que faltaba era una supervisión continua de los controles, centrada en detectar el propio patrón de coordinación en lugar de comprobar los permisos acción por acción.
Esa es la misma laguna que Mimecast y Gartner describen a nivel de encuesta. Las empresas han establecido controles de aprovisionamiento, decidiendo quién puede instalar un agente y a qué puede acceder, pero no cuentan con la capa que supervisa lo que los agentes hacen realmente y si ese comportamiento se ajusta a lo que se ha aprobado.
Agentes frente a operadores
En Archer® nos distinguimos en este aspecto. Un agente es un trabajador digital capaz de realizar la tarea, pero sus controles son opcionales. Lo que puede manejar, si sus acciones quedan registradas en un registro de auditoría, si su contexto está delimitado, si hay algún factor que limite su ritmo o su coste… todo eso hay que añadirlo manualmente, si es que alguien se acuerda.
Un operador es esa misma capacidad, pero sin que ninguno de los controles sea opcional: permisos restringidos e IAM, auditabilidad coherente, contexto seleccionado en lugar de Internet abierto, activación intencionada, resultados repetibles, reanudación desde un estado conocido como correcto, límites de tasa y contención, y orquestación dentro de un flujo de trabajo regulado.
Los modelos que se estaban evaluando en OpenAI eran agentes precisamente en este sentido: capaces, autorizados y sin límites en todos los aspectos que acabaron siendo relevantes.
Si se lee el estudio desde esa perspectiva, el panorama se aclara. Ese porcentaje, que oscila entre el 13 % y el 14 %, no se refiere al papeleo. Se trata de un recuento de cuántas empresas cuentan con operadores en lugar de simples agentes.
Archer GRC es el sistema de referencia que define lo que está autorizado. Archer Evolv™ es la capa de inteligencia que aprende y supervisa todo ello. Cada operador sigue un patrón común —configurar, recopilar, decidir, actuar, rastrear— con un linaje bidireccional, de modo que la preparación para las auditorías es un resultado natural de la actividad operativa, en lugar de un proyecto trimestral.
Lo que acaba de valorar el mercado
Por eso, desde mi punto de vista, la reacción de Atlassian fue lo menos sorprendente de la semana. El mercado simplemente ha valorado la tesis en la que se basa nuestra empresa. Un mayor número de agentes que toman más decisiones se traduce en una mayor demanda de una plataforma capaz de indicar qué se autorizó, mostrar qué ocurrió realmente y demostrar la diferencia ante un consejo de administración o un auditor.
Los modelos se convierten en productos básicos. Sin embargo, no ocurre lo mismo con décadas de contexto estructurado: los roles, los permisos, los flujos de trabajo, los cálculos y el registro de auditoría con los que operan los operadores. Ese contexto no se puede comprar, y es precisamente lo que se ha revalorizado este trimestre, independientemente de si el mercado ha utilizado o no esos términos.
Qué podemos esperar dentro de seis meses
Más de ambas cosas. Más casos en los que, aunque se cumpliera técnicamente el modelo de permisos, todo saliera mal de todos modos. Y más reajustes de precios como el de Atlassian, en los que las plataformas con un alto nivel de gobernanza suben de precio, mientras que el software sin diferenciación baja.
La conversación en la junta directiva
El enfoque que conviene plantear en una reunión del consejo de administración es sencillo. La detección te indica, a posteriori, que un agente ha realizado una acción anómala. La gobernanza convierte lo «anómalo» en un estado definido, supervisado y sujeta a rendición de cuentas en el sistema de registro antes de que se produzca el incidente.
Plantea una pregunta sobre cada iniciativa de IA de la cartera: ¿estamos implementando agentes o estamos implementando operadores?
Las organizaciones que sean capaces de dar respuesta no se limitarán a reaccionar ante la próxima versión de la historia de OpenAI. Serán la razón por la que eso no les ocurra a ellas.
