Solo el 29% de los equipos de seguridad puede informar habitualmente qué datos sensibles envían los empleados a las herramientas de IA

Este artículo se basa en los resultados del informe de la encuesta de 2026 de Cloud Security Alliance (CSA), Prevención de pérdida de datos en la era de la IA, encargado por Jazz.

En junio y julio, CSA preguntó a 433 profesionales de TI y seguridad si su equipo podía generar un informe que mostrara cuántas veces se habían enviado datos sensibles a herramientas de IA generativa durante los 30 días anteriores. El 29 % respondió que podía generarlo habitualmente.

Esa cifra sería menos relevante si los encuestados consideraran que la IA generativa es un canal menor. La clasificaron como su principal riesgo de exfiltración de datos: el 48 % la situó entre sus tres riesgos principales.

Dirijo el área de ingeniería de una empresa que desarrolla soluciones de prevención de pérdida de datos, y gran parte de mi trabajo consiste en determinar dónde queda registrada, dentro de un sistema, la evidencia del movimiento de datos y por qué se genera el riesgo asociado. Desde esa perspectiva, la brecha entre lo que los equipos creen que pueden ver y lo que pueden demostrar se deriva directamente de cómo se diseñaron los controles para la IA generativa.

La confianza en la visibilidad de la IA generativa supera con creces lo que los equipos pueden demostrar

Algo más de la mitad de los encuestados calificó con un 4 o un 5 sobre 5 su visibilidad de la IA generativa. Sin embargo, solo el 29 % podía respaldar habitualmente esa calificación con un informe que se limitara a contar cuántas veces se enviaron datos sensibles a una herramienta de IA.

Fuente: Cloud Security Alliance, DLP in the AI Era (2026), n=433. Gráficos recreados a partir de los de las páginas 22 y 23 del informe.

La aplicación de los controles sigue el mismo patrón. Solo el 22 % de los encuestados bloquea estrictamente los datos sensibles en el canal de IA generativa. Los medios extraíbles, que los encuestados clasificaron como el riesgo de exfiltración más bajo, registran la tasa más alta de bloqueo estricto: el 31 %. El bloqueo estricto se concentra en los canales con las herramientas más antiguas.

Fuente: Cloud Security Alliance, DLP in the AI Era (2026), n=433. Gráficos recreados a partir de los de las páginas 23 y 26 del informe; las barras se ajustaron a una escala del 100 % cuando, por efecto del redondeo, una fila sumaba el 99 % o el 101 %.

Junto con la encuesta, Jazz también publicó datos de telemetría de los entornos de sus clientes. En promedio, las organizaciones incluidas en esos datos utilizaban 169,5 herramientas de IA distintas, de las cuales 9,8 estaban aprobadas; por tanto, el 94,2 % quedaba fuera de la lista de herramientas aprobadas.

Por qué existe la brecha: una lista de herramientas no registra ningún evento

La respuesta habitual al riesgo de la IA generativa consiste en aprobar unos pocos servicios de IA mediante acuerdos empresariales y desalentar o bloquear los demás. La cifra del 94,2 % muestra cuánto se queda atrás esa lista en la práctica. Cuando tiene una fecha límite, un ingeniero recurre a la herramienta que resuelve el problema del momento, porque adquirir la aprobada puede llevar semanas.

Ni siquiera una lista completa permitiría generar el informe que solicitó CSA. El equipo de respuesta a incidentes o un auditor preguntará por un evento concreto en el que se hayan transferido datos fuera de la organización, y una lista de herramientas no registra eventos.

Para demostrar qué ocurrió en ese evento, hacen falta cuatro datos: qué información sensible estaba implicada, qué herramienta la recibió, con qué cuenta se utilizó y por qué la persona la envió.

La cuenta es el primer punto en el que falla la gobernanza a nivel de herramienta. El mismo sitio web ofrece tanto la cuenta empresarial de la compañía, con sus ajustes de retención y condiciones contractuales, como la cuenta personal gratuita de un empleado, que no tiene ni lo uno ni lo otro. El uso de una herramienta aprobada con una cuenta personal aporta casi tan poca evidencia como el de una herramienta no aprobada.

Determinar el propósito es más difícil, y de ello depende saber si algo salió mal. Una analista financiera que pega un modelo de ingresos en un chatbot para corregir una fórmula defectuosa está haciendo su trabajo. Si hace lo mismo alguien que presentó su renuncia el viernes, la situación exige una conversación muy distinta. Lo que las diferencia es el contexto de la persona, que nunca aparece en el contenido enviado.

Cada control utilizado solo observa un punto

La encuesta no encontró un método predominante para controlar los datos sensibles enviados a herramientas de IA. El bloqueo de dominios de IA a nivel de red, la inspección de contenido mediante el navegador y las políticas de uso aceptable por sí solas obtuvieron entre el 21 % y el 23 % cada una; las plataformas empresariales de IA con prevención de pérdida de datos integrada obtuvieron el 10 %.

Cada uno de esos controles se diseñó en torno a un único punto de inspección. El bloqueo de un dominio permite o impide una conexión y registra a qué sitio se dirigió. Una extensión del navegador ve lo que se escribe en ese navegador, pero no detecta lo que se envía desde una aplicación de escritorio, un asistente de programación integrado en un editor de código o una herramienta de línea de comandos. La prevención de pérdida de datos integrada en una plataforma empresarial de IA ve lo que entra en esa plataforma. Todos estos controles eligen un único lugar donde mirar y confían en que sea allí donde se envían los datos.

El hecho de que haya un único punto de inspección también explica las cifras sobre la aplicación de los controles. Si un control no puede distinguir una cuenta corporativa de una personal, o una acción rutinaria de una arriesgada, tiene que bloquear ambas o ninguna. El bloqueo estricto termina impidiendo el trabajo legítimo junto con el arriesgado. Al preguntarles cuál era el principal motivo por el que no habían adoptado medidas más agresivas de bloqueo activo, el 46 % de los encuestados mencionó el temor a interrumpir los flujos de trabajo de la empresa y el 39 % señaló la falta de confianza en la precisión de la prevención de pérdida de datos.

Aspectos que conviene tener en cuenta

Las cifras de la encuesta son autodeclaradas, y la encuesta no contrastó las calificaciones de visibilidad con la cobertura real. Entre los encuestados predominan los países de América (80 %) y las organizaciones con menos de 5.000 empleados (67 %), por lo que es posible que los resultados no sean igualmente aplicables a las grandes empresas globales. Los datos de telemetría proceden de organizaciones que optaron por implementar este tipo de visibilidad, lo que podría sesgar los resultados hacia aquellas que ya estaban preocupadas por la proliferación de herramientas de IA.

Las herramientas aprobadas y los agentes debilitarán aún más la lista

A medida que los productos SaaS aprobados incorporan asistentes de IA, a menudo hay dos respuestas a la pregunta de qué herramienta recibió los datos: la aplicación que abrió el empleado y el proveedor del modelo de IA que hay detrás. Los agentes de IA complican aún más la situación. Cuando un agente obtiene un archivo y lo envía a algún sitio en nombre de un empleado, quién lo hizo y por qué pasan a depender en parte del software. Como sostiene un artículo reciente de Unite.AI sobre la inyección de instrucciones en agentes en producción, es posible manipular a un agente mediante el contenido que lee, por lo que su propio relato de lo que hizo no puede sustituir las pruebas de su propósito.

Una prueba que puedes hacer este mes

Toma los últimos 30 días y elige el dato más confidencial que creas que llegó a una herramienta de IA. Luego, comprueba si tu equipo puede proporcionar lo siguiente sin tener que recopilarlo manualmente:

• Qué datos eran y de dónde procedían
• Qué herramienta los recibió, incluidas las que no están en la lista de herramientas aprobadas
• Si se enviaron desde una cuenta corporativa o personal
• En qué estaba trabajando la persona cuando los envió

Si puedes obtener rápidamente las respuestas a las dos primeras preguntas, pero para las dos últimas tienes que entrevistar al empleado, tu gobernanza abarca la lista de herramientas y muy pocos de tus datos.