Liat Hayun, Vicepresidenta de Gestión de Productos e Investigación en Tenable – Serie de Entrevistas

Liat Hayun es la Vicepresidenta de Productos y Investigación en Tenable Cloud Security. Antes de unirse a Tenable, Liat cofundó y se desempeñó como CEO de Eureka Security, una empresa de seguridad de datos que fue adquirida por Tenable. Antes de cofundar Eureka Security, Liat pasó más de una década liderando esfuerzos de ciberseguridad en el Mando Cibernético israelí y en Palo Alto Networks (PANW ). Como Vicepresidenta de Gestión de Productos en Palo Alto Networks, Liat lideró el desarrollo de Cortex XDR y el servicio de caza de amenazas administrado de la empresa.

Tenable es una empresa de ciberseguridad con sede en EE. UU. que se enfoca en ayudar a las organizaciones a identificar, comprender, priorizar y remediar las vulnerabilidades de seguridad en toda su superficie de ataque digital. Es más conocida por su plataforma de gestión de exposición y herramientas como el escáner de vulnerabilidades Nessus, que permite a las empresas obtener visibilidad sobre las amenazas que abarcan la infraestructura de TI, la nube, los sistemas OT/IoT y los sistemas de identidad, y tomar medidas decisivas para reducir el riesgo que impacta en los negocios. Las soluciones de Tenable ofrecen descubrimiento continuo, priorización y conocimiento de amenazas para respaldar la gestión proactiva del riesgo cibernético para decenas de miles de clientes en todo el mundo.

¿Qué hace que los agentes de inteligencia artificial autónomos sean más peligrosos que los modelos de inteligencia artificial tradicionales que solo responden a las solicitudes del usuario, en lugar de actuar de forma independiente?

Los agentes de inteligencia artificial autónomos cambian la naturaleza del riesgo porque pueden iniciar tareas, acceder a sistemas, tomar decisiones y interactuar con otros servicios sin supervisión humana.

Esa independencia amplía la velocidad y el alcance del impacto potencial, lo que aumenta la probabilidad de exposición de datos, interrupción operativa y pérdida financiera. Un agente de inteligencia artificial puede consultar almacenes de datos, activar flujos de trabajo, llamar a API o modificar la infraestructura en tiempo real. Si se configura incorrectamente o se ve comprometido, puede moverse lateralmente a través de los sistemas utilizando los permisos que se le han concedido, a menudo más rápido de lo que un ser humano podría detectar o intervenir.

Según el Informe de riesgo de seguridad de la nube y la inteligencia artificial de Tenable 2026, el 52% de las organizaciones ahora tienen identidades no humanas con permisos excesivos, y casi la mitad de ellas están inactivas, lo que crea un acceso no gestionado generalizado en entornos de producción. Eso significa que muchos procesos impulsados por la inteligencia artificial ya tienen acceso que no utilizan activamente, pero que los atacantes pueden aprovechar.

Los atacantes explotan cada vez más lo que se conoce como el problema del delegado confundido. No necesitan comprometer al agente en sí. En su lugar, engañan a un agente autorizado para que realice acciones en su nombre, a menudo a través de la inyección de solicitudes indirectas o entradas manipuladas. El agente ejecuta la solicitud utilizando los permisos legítimos, efectivamente haciendo el trabajo del atacante. Cuando los sistemas autónomos heredan permisos amplios o asumen roles sobreprivilegiados, el tiempo entre la mala configuración y la explotación desaparece efectivamente, lo que crea una brecha de exposición de inteligencia artificial de margen cero.

Muchas empresas están experimentando con agentes de inteligencia artificial de forma informal. ¿Cuáles son los primeros pasos concretos que los equipos de seguridad deben tomar para evaluar si la inteligencia artificial agente ya está operando dentro de su entorno?

Cerrar la brecha de exposición de la inteligencia artificial comienza con el descubrimiento que se extiende más allá de los inventarios de activos tradicionales. La fase de experimentación es a menudo la más peligrosa porque las organizaciones no saben completamente qué inteligencia artificial se está utilizando, cómo se configura o qué acceso se le ha concedido.

Los agentes de inteligencia artificial rara vez viven en un solo sistema claramente etiquetado. Muchos operan fuera de la gobernanza formal. Aparecen en herramientas de desarrollo, integraciones de SaaS, flujos de trabajo de automatización, extensiones del navegador y servicios en la nube, lo que crea una implementación distribuida que aumenta los puntos ciegos y limita el control centralizado. Esto ya es generalizado, ya que más del 70% de las organizaciones han integrado al menos un paquete de inteligencia artificial o modelo relacionado de terceros, a menudo incrustando la inteligencia artificial profundamente en las aplicaciones y la infraestructura con una supervisión centralizada limitada.

La investigación reciente sobre Clawdbot muestra que las implementaciones experimentales de agentes pueden suponer riesgos graves cuando las capacidades se despliegan antes de que los controles de seguridad o los estándares de configuración se entiendan completamente. Incluso después de que termine la experimentación y las organizaciones decidan qué aplicaciones de inteligencia artificial adoptar, todavía necesitan una gobernanza sólida sobre cómo se utilizan esos sistemas, qué permisos tienen y cómo interactúan con activos críticos.

La fase de descubrimiento debe comenzar estableciendo un inventario unificado de dónde existe la inteligencia artificial en los puntos de conexión, la infraestructura en la nube y las superficies de ataque externas. Esto incluye identificar bibliotecas de inteligencia artificial, agentes, API, servicios de modelo y integraciones de terceros, no solo sistemas desplegados internamente, sino cualquier cosa que se pueda alcanzar externamente.

A continuación, los equipos deben mapear cómo están conectados esos agentes y qué datos acceden, qué identidades utilizan, qué permisos tienen y qué sistemas pueden alcanzar. La visibilidad requiere contexto, ya que el riesgo surge de las relaciones.

Finalmente, después de la experimentación, las organizaciones deben identificar qué conexiones crean caminos alcanzables a activos críticos y cerrar la brecha de exposición de la inteligencia artificial.

¿Cómo se comparan los riesgos como las superficies de control expuestas o las “habilidades” de terceros no verificadas con amenazas más familiares como los ataques de la cadena de suministro o la escalada de privilegios?

Las habilidades de terceros no verificadas y las superficies de control expuestas amplían riesgos similares a los de la cadena de suministro comprometida y la escalada de privilegios, pero con una velocidad, alcance y conectividad amplificados.

Las habilidades de los agentes de terceros funcionan mucho como las dependencias de la cadena de suministro de software, y la superficie de exposición ya lleva un peso significativo.El ochenta y seis por ciento de las organizaciones alojan paquetes de código de terceros con vulnerabilidades de gravedad crítica. Cuando estos componentes operan dentro de agentes de inteligencia artificial autónomos, la ejecución se vuelve continua y automatizada, eliminando el tiempo entre la comprometición y el impacto.

Las superficies de control expuestas amplían la capa de riesgo de identidad y acceso al crear nuevas interfaces operativas que llevan permisos elevados. El dieciocho por ciento de las organizaciones ya permiten que los servicios de inteligencia artificial asuman roles sobreprivilegiados, otorgando a los sistemas automatizados un alcance amplio en los entornos. La inteligencia artificial agente vincula estas exposiciones en una sola cadena operativa. Una dependencia vulnerable, permisos excesivos y interfaces expuestas se combinan en un camino de ataque alcanzable. Las organizaciones operan en un entorno con un margen de error cero, donde la exposición y la explotación se alinean casi instantáneamente.

Desde un punto de vista defensivo, ¿cómo se ve la “buena higiene” para las organizaciones que despliegan agentes de inteligencia artificial con acceso a sistemas internos o datos sensibles?

La buena higiene comienza tratando a los agentes de inteligencia artificial como actores digitales privilegiados con autoridad real en los sistemas y los datos. Las organizaciones necesitan visibilidad continua en cada agente, lo que hace y lo que puede alcanzar. Los equipos deben aplicar el principio de privilegios mínimos para las identidades de máquina y servicio, eliminar el acceso inactivo y limitar estrictamente los permisos. Cada agente debe estar dedicado a un tipo específico de tarea, con permisos y acceso limitados estrictamente a esa función.

Esto es importante porque el acceso no utilizado es generalizado. Casi la mitad de las identidades con permisos excesivos críticos están inactivas, y más del setenta por ciento de los roles de ejecución de inteligencia artificial predeterminados permanecen inutilizados. Estas condiciones crean caminos de escalada preestablecidos que llevan riesgos sin ofrecer valor.

Los equipos de seguridad también deben comprender las relaciones a través de la infraestructura, los almacenes de datos, las API y las aplicaciones. Mapear estas conexiones revela combinaciones tóxicas de exposición, como cargas de trabajo vulnerables alcanzables a través de agentes sobreprivilegiados con acceso a datos sensibles.

Una buena higiene también requiere una gobernanza continua. Las organizaciones deben monitorear el comportamiento del agente, controlar las integraciones, aplicar guardias de datos y validar regularmente los permisos. Estas prácticas cierran la brecha de exposición de la inteligencia artificial y eliminan los caminos de ataque alcanzables.

¿Qué recomienda que hagan las organizaciones para proteger las superficies de ataque de la inteligencia artificial rápidamente sin frenar la innovación?

Las organizaciones pueden proteger las superficies de ataque de la inteligencia artificial reduciendo la exposición con velocidad y precisión.

Para hacerlo, la primera prioridad es identificar qué sistemas de inteligencia artificial crean caminos alcanzables a activos críticos. Más del ochenta por ciento de las organizaciones ejecutan cargas de trabajo con vulnerabilidades que ya se han explotado en la naturaleza. El riesgo ya existe dentro de la mayoría de los entornos. Los equipos de seguridad necesitan centrarse en las conexiones que crean un impacto real.

Luego, se debe reconocer que la automatización permite la escalabilidad. El descubrimiento continuo, la priorización contextual y la remediación guiada permiten a los equipos reducir el riesgo mientras mantienen la velocidad de desarrollo.

Mientras que las barreras de política salvaguardan la adopción, el acceso justo a tiempo, los flujos de datos monitoreados y las integraciones controladas ayudan a las organizaciones a gestionar la actividad de la inteligencia artificial mientras mantienen la innovación.

Juntas, estas medidas reducen la brecha de exposición de la inteligencia artificial al eliminar el acceso y las conexiones de alto riesgo. La reducción rápida de la exposición protege los sistemas mientras permite que la adopción de la inteligencia artificial avance.

¿Cómo deben pensar los directores de seguridad de la información sobre la identidad, los permisos y el alcance al conceder acceso a los agentes de inteligencia artificial a los sistemas de producción?

Los directores de seguridad de la información deben tratar a los agentes de inteligencia artificial como identidades no humanas de alta velocidad con autoridad operativa en los sistemas y los datos.

Las decisiones de acceso deben centrarse en la precisión. Los permisos deben alinearse con tareas específicas, permanecer limitados en el tiempo y someterse a una revisión continua. El exceso de privilegios amplía el alcance y aumenta el impacto cuando los sistemas interactúan a velocidad de máquina.

Los líderes de seguridad también necesitan una visión clara del alcance efectivo. Los permisos, combinados con los caminos de red, el acceso a datos y las integraciones de servicios, definen lo que un agente puede hacer realmente. Comprender estas relaciones revela la exposición potencial antes de que se convierta en un impacto.

La identidad conecta la infraestructura, los datos y las aplicaciones a través de la brecha de exposición de la inteligencia artificial. El diseño de permisos ajustados limita el radio de acción y mantiene el control. Cuando el tiempo desde el descubrimiento de la exposición hasta la explotación es casi cero, la gobernanza de la identidad determina cómo opera la inteligencia artificial de manera segura en la producción.

¿Espera que la inteligencia artificial agente obligue a replantear los marcos de seguridad existentes, o pueden los modelos actuales adaptarse para manejar estos nuevos riesgos?

Los principios de seguridad siguen siendo consistentes, pero los modelos operativos están evolucionando. La inteligencia artificial agente conecta los sistemas, las identidades y los datos en entornos dinámicos que cambian continuamente y operan a velocidad de máquina. A diferencia de los operadores humanos, los agentes no aplican el juicio a sus acciones ni distinguen entre solicitudes apropiadas e inapropiadas. Ejecutan basándose en instrucciones y permisos, lo que aumenta la importancia del control estricto y la gobernanza.

El riesgo surge de las relaciones a través de la infraestructura, las cadenas de suministro de software y las capas de identidad. Las organizaciones heredan la exposición más rápido de lo que los ciclos de remediación pueden mantener el ritmo. La implementación automatizada y la explotación automatizada comprimen el tiempo de respuesta y aumentan la presión operativa.

Los marcos de seguridad necesitan centrarse en la visibilidad y la reducción de la exposición. Los equipos requieren una visibilidad continua sobre lo que existe, cómo se conectan los sistemas y qué caminos llevan a activos críticos.

El desafío definitorio es gestionar el riesgo interconectado a través de la brecha de exposición de la inteligencia artificial. Los programas de seguridad tienen éxito al reducir continuamente la exposición alcanzable y mantener el control en entornos complejos.

Mirando hacia adelante, ¿qué áreas de investigación de seguridad de la inteligencia artificial agente cree que merecen más atención a medida que estas herramientas pasan de experimentales a críticas para la misión?

Varias áreas de investigación darán forma al futuro de la seguridad de la inteligencia artificial agente.

Primero, el crecimiento de los ecosistemas de identidades no humanas requiere un análisis más profundo. Las organizaciones están expandiendo rápidamente las identidades de máquina que operan en la infraestructura, los datos y los servicios. Comprender los patrones de privilegios, el comportamiento y la gestión del ciclo de vida será esencial.

En segundo lugar, la investigación debe avanzar en la modelización de caminos de ataque de varios pasos. Los sistemas de inteligencia artificial conectan las cadenas de suministro de software, la infraestructura en la nube y las capas de identidad. Mapear cómo interactúan estos elementos mejorará la predicción y la priorización del riesgo.

En tercer lugar, la gobernanza de la toma de decisiones autónoma requiere una mayor atención. Los equipos de seguridad necesitan visibilidad en cómo los agentes acceden, procesan y transfieren datos sensibles con el tiempo.

Finalmente, la velocidad de explotación continúa acelerándose. Estudiar cómo operan los atacantes y los defensores a velocidad de máquina dará forma a las estrategias de respuesta.

La seguridad futura depende de comprender y reducir la brecha de exposición de la inteligencia artificial. La investigación debe centrarse en controlar la exposición interconectada en toda la superficie de ataque.

Gracias por la gran entrevista, los lectores que deseen aprender más pueden visitar Tenable.