Más gasto en seguridad de la inteligencia artificial no reduce ninguno de sus riesgos de inteligencia artificial

Los presupuestos de seguridad de la inteligencia artificial están aumentando rápidamente. En muchas organizaciones, están aumentando más rápido que los sistemas que están destinados a proteger.

Esta falta de equilibrio es fácil de pasar por alto. La inversión en inteligencia artificial continúa acelerándose, con una financiación privada global que alcanzó $33.9 mil millones en 2025 solo. Al mismo tiempo, los líderes de seguridad están siendo solicitados para dar cuenta de nuevos riesgos relacionados con el comportamiento del modelo, la exposición de datos y la manipulación adversaria. La respuesta ha sido predecible: más herramientas, más controles y más presupuesto.

Es tentador convertir esto en una conversación sobre el costo de hacer negocios, una simple pregunta de cuánto necesitan gastar las organizaciones para asegurar la inteligencia artificial. Esa es la forma incorrecta de abordar este nuevo problema. En cambio, las organizaciones necesitan examinar si su inversión en inteligencia artificial realmente asegura las herramientas correctas.

En la mayoría de las empresas, la inteligencia artificial todavía se introduce a nivel de tarea. Los equipos experimentan con resumen, asistencia de codificación, análisis o automatización de flujo de trabajo para mejorar la productividad individual. Estas herramientas entregan ganancias localizadas, pero rara vez cambian la forma en que se toman decisiones o cómo operan los sistemas a un nivel más amplio. Esa brecha está comenzando a aparecer en los resultados. Si bien la adopción es generalizada, solo alrededor del 20% de las organizaciones informan un impacto significativo en su línea de fondo.

La inversión en seguridad está escalando junto con esta experimentación. Sin embargo, en muchos casos, se está aplicando a una creciente colección de herramientas desconectadas en lugar de a sistemas cohesivos que dan forma a cómo funciona el negocio en realidad. La inteligencia artificial se evalúa a nivel de tarea, se asegura a nivel de sistema y nunca se diseña completamente a nivel de flujo de trabajo, donde se crea el valor real.

La adopción de la inteligencia artificial se está expandiendo más rápido de lo que se está integrando

La mayoría de las implementaciones de inteligencia artificial de hoy en día son estrechas por diseño. Están diseñadas para hacer que las tareas individuales sean más rápidas en lugar de cambiar la forma en que fluye el trabajo a través de los equipos o sistemas.

Un equipo de ventas puede adoptar la inteligencia artificial para redactar correos electrónicos o resumir llamadas. Los equipos de ingeniería la utilizan para acelerar la generación de código. Los equipos de operaciones experimentan con análisis o soporte de previsión. Cada uno de estos casos de uso entrega ganancias de productividad medibles a nivel individual, y eso a menudo es suficiente para justificar la inversión inicial.

La complejidad comienza cuando estas ganancias aisladas se acumulan.

Cada implementación introduce sus propios modelos, patrones de acceso a datos, API y dependencias. Con el tiempo, las organizaciones se encuentran gestionando un ecosistema en crecimiento de capacidades de inteligencia artificial que nunca estuvieron diseñadas para operar juntas. Incluso ahora, una gran parte de las empresas siguen en las primeras etapas de experimentación, con muchas iniciativas que aún no se han integrado en las operaciones comerciales básicas.

Los equipos de seguridad heredan este entorno a medida que se forma. Se les pide que aseguren no un solo sistema, sino una colección en constante cambio de herramientas, integraciones y flujos de datos que se expanden con cada nuevo experimento. Sin una arquitectura unificadora, la seguridad se convierte en un ejercicio de cobertura en lugar de control.

El riesgo real no son las herramientas individuales. Es la fragmentación del sistema

A medida que la experimentación con la inteligencia artificial continúa, las expectativas de los líderes están comenzando a cambiar. Las juntas y los equipos ejecutivos están preguntando cómo se traduce el gasto en inteligencia artificial en resultados comerciales medibles.

Cuando las iniciativas tempranas no cumplen con los objetivos, las organizaciones rara vez frenan. Amplían sus esfuerzos. Se lanzan más proyectos piloto. Se introducen más herramientas. Se crean más integraciones en busca de valor que aún no se ha materializado. Las predicciones ya sugieren que más de la mitad de los proyectos de inteligencia artificial pueden fracasar para llegar a la producción o entregar los resultados esperados en los próximos años.

Para los equipos de seguridad, este ciclo crea un nuevo tipo de riesgo.

El desafío ya no es solo proteger aplicaciones o modelos individuales. Es gestionar un entorno en el que el sistema subyacente está cambiando constantemente. Cada nueva herramienta introduce identidades adicionales, flujos de datos y comportamientos de modelo que expanden la superficie de ataque antes de que los defensores tengan tiempo de comprenderlo completamente.

En este contexto, aumentar el gasto en seguridad no necesariamente reduce el riesgo. Puede aumentar la complejidad operativa en su lugar. Proteger sistemas fragmentados requiere más herramientas, más monitoreo y más coordinación, pero no aborda el problema raíz, que es la ausencia de una estructura cohesiva para cómo se despliega y se utiliza la inteligencia artificial.

El gasto en seguridad se vuelve estratégico solo cuando la inteligencia artificial se vuelve operativa

Estamos en un buen lugar gracias a la inversión en seguridad de la inteligencia artificial; el grado de innovación es astronómico, y aunque el futuro es brillante para los casos de uso de la inteligencia artificial, la inversión en seguridad a menudo está desconectada de dónde la inteligencia artificial está creando valor en realidad.

Cuando la inteligencia artificial se despliega principalmente como un conjunto de herramientas de productividad aisladas, los esfuerzos de seguridad se ven obligados a seguir esa fragmentación. Los equipos terminan protegiendo docenas de aplicaciones desconectadas que tienen una influencia limitada en los resultados comerciales básicos.

Un mayor valor emerge cuando la inteligencia artificial se integra en los flujos de trabajo que impulsan cómo operan las organizaciones. La planificación, la previsión, la asignación de recursos y la toma de decisiones operativas son donde la inteligencia artificial comienza a influir en los resultados de manera significativa. Estos también son los entornos en los que la inversión en seguridad se vuelve más estratégica.

Segurar una herramienta desconectada protege una tarea. Segurar un sistema integrado protege un proceso empresarial.

Esta es donde la distinción entre la adopción a nivel de tarea y el diseño a nivel de flujo de trabajo se vuelve crítica. La inteligencia artificial que no se integra en la forma en que se toman decisiones luchará por entregar un impacto medible. La seguridad que no se alinea con esos sistemas de toma de decisiones luchará por reducir riesgos significativos.

El cambio debe llegar antes de que sea demasiado tarde

Las organizaciones no necesitan menos iniciativas de inteligencia artificial. Necesitan iniciativas más intencionadas.

El primer cambio es en cómo se evalúa el éxito de la inteligencia artificial. Si una implementación no cambia la forma en que se toman decisiones o cómo se mueve el trabajo a través de los equipos, su impacto permanecerá limitado, sin importar cuán ampliamente se adopte. Medir el éxito a nivel de flujo de trabajo en lugar de a nivel de tarea proporciona una señal más clara de dónde la inteligencia artificial está entregando valor en realidad.

El segundo cambio es en cómo se prioriza la inversión en seguridad. En lugar de distribuir controles en todas las herramientas experimentales, las organizaciones deben concentrar la protección alrededor de los sistemas que influyen en la planificación, las operaciones y la toma de decisiones. Estos son los entornos en los que el riesgo y el valor se cruzan.

El tercer cambio es estructural. Los sistemas de inteligencia artificial introducen nuevas formas de propiedad que van más allá de los límites tradicionales de la aplicación. Los modelos, los datos de entrenamiento, las tuberías de datos y las salidas generadas por la inteligencia artificial todos requieren una responsabilidad clara. Sin una propiedad definida, la gobernanza se vuelve inconsistente y las brechas de seguridad se vuelven más difíciles de identificar.

Tomados en conjunto, estos cambios mueven a las organizaciones lejos de asegurar la actividad y hacia asegurar los resultados.

Construir sistemas de inteligencia artificial que realmente puedan escalar

Las organizaciones que alinean la adopción de la inteligencia artificial con el diseño a nivel de flujo de trabajo ganan una ruta más clara hacia el valor y el control.

Los recursos de seguridad se vuelven más efectivos cuando se centran en los sistemas que más importan en lugar de estar extendidos en experimentos desconectados. El liderazgo obtiene una mejor visibilidad de cómo las inversiones en inteligencia artificial se traducen en impacto operativo. Con el tiempo, los programas de inteligencia artificial se vuelven más sostenibles porque están construidos sobre sistemas estructurados en lugar de herramientas acumuladas.

La inversión en inteligencia artificial no se está desacelerando. El gasto en seguridad seguirá aumentando junto con ella. La diferencia vendrá de cómo se aplican esas inversiones.

Las organizaciones que continúan escalando la inteligencia artificial a nivel de tarea se encontrarán asegurando una superficie en constante expansión de herramientas desconectadas. Aquellas que diseñan la inteligencia artificial a nivel de flujo de trabajo estarán asegurando sistemas que realmente valen la pena proteger.