Sobre la IA, la paciencia es una virtud

En los casi dos años desde que se lanzó ChatGPT, la inteligencia artificial generativa ha recorrido todo un ciclo de hiperespectativa tecnológica, desde expectativas grandiosas y cambiantes de la sociedad hasta alimentar una reciente corrección del mercado de valores. Pero dentro de la industria de la ciberseguridad en particular, la emoción en torno a la Inteligencia Artificial Generativa (genAI) sigue estando justificada; solo puede tomar más tiempo de lo que los inversores y analistas anticiparon para cambiar completamente al sector.

El signo más claro y reciente del cambio en la hiperespectativa fue en la Conferencia Black Hat USA a principios de agosto, en la que la inteligencia artificial generativa desempeñó un papel muy pequeño en los lanzamientos de productos, demostraciones y creación de entusiasmo en general. En comparación con la Conferencia RSA solo cuatro meses antes, que presentaba a los mismos proveedores, el enfoque de Black Hat en la IA fue negligible, lo que razonablemente llevaría a los observadores neutrales a creer que la industria está avanzando o que la IA se ha convertido en una commodity. Pero eso no es exactamente el caso.

Aquí está lo que quiero decir. El beneficio transformador de aplicar la inteligencia artificial generativa dentro de la industria de la ciberseguridad probablemente no provendrá de chatbots genéricos o de superponer rápidamente la IA sobre modelos de procesamiento de datos. Estos son los bloques de construcción para casos de uso más avanzados y eficientes, pero en este momento, no están especializados para la industria de la seguridad, y como resultado, no están impulsando una nueva ola de resultados de seguridad óptimos para los clientes. Más bien, la verdadera transformación que la IA proporcionará a la industria de la seguridad tendrá lugar cuando los modelos de IA se personalicen y ajusten para casos de uso de seguridad.

Los casos de uso actuales de la IA en seguridad emplean en gran medida ingeniería de prompts y Generación mejorada con recuperación, que es un marco de IA que esencialmente permite que los grandes modelos de lenguaje (LLM) accedan a recursos de datos adicionales fuera de sus datos de entrenamiento, combinando las mejores partes de la inteligencia artificial generativa y la recuperación de bases de datos. La utilidad de estos varía enormemente dependiendo del caso de uso y de qué tan bien el procesamiento de datos existente de un proveedor admite el caso de uso; no son “mágicos”. Esto es cierto para otras aplicaciones que requieren datos y experiencia propietarios que no son prevalentes en Internet, como el diagnóstico médico y el trabajo legal. Parece probable que las empresas ajusten las tuberías de procesamiento de datos y los sistemas de acceso a datos para optimizar los casos de uso de la inteligencia artificial generativa. Además, las empresas de inteligencia artificial generativa están fomentando el desarrollo de modelos especialmente ajustados, aunque queda por verse cómo funcionará esto para usos donde la calidad y el detalle son esenciales.

Hay varias razones por las cuales esta especialización tardará en hacerse efectiva en la industria de la seguridad, aunque. Una razón principal es que personalizar estos modelos requiere muchos humanos en el bucle durante el entrenamiento que son expertos en materia en ciberseguridad y IA, dos industrias que luchan por contratar suficiente talento. La industria de la ciberseguridad tiene una falta de aproximadamente cuatro millones de profesionales en todo el mundo, según el Foro Económico Mundial, y Reuters estima que habrá una brecha de contratación del 50% para puestos relacionados con la IA en el futuro cercano.

Sin una abundancia de expertos disponibles, el trabajo preciso necesario para adaptar los modelos de IA para que funcionen dentro de un contexto de seguridad se verá ralentizado. El costo de realizar la ciencia de datos necesaria para entrenar estos modelos también limita la cantidad de organizaciones que tienen los recursos para realizar investigaciones sobre modelado de IA personalizado. Se necesitan millones de dólares para costear la potencia de procesamiento que los modelos de IA de vanguardia requieren, y ese dinero debe provenir de alguna parte. Incluso cuando una organización tiene los recursos y el equipo para impulsar la investigación sobre la personalización de la IA, el progreso real no ocurre de la noche a la mañana. Tomará tiempo descubrir cómo mejorar los modelos de IA para beneficiar a los profesionales y analistas de la seguridad, y como con cualquier herramienta nueva, habrá una curva de aprendizaje cuando se introduzcan procesadores de lenguaje natural específicos de seguridad, chatbots y otras integraciones asistidas por IA.

La inteligencia artificial generativa sigue estando en condiciones de cambiar el mundo de la ciberseguridad a un nuevo paradigma, donde las capacidades ofensivas de la IA que los adversarios y actores de amenazas aprovechan competirán con los modelos de IA de los proveedores de seguridad construidos para detectar y monitorear amenazas. La investigación y el desarrollo necesarios para impulsar ese cambio solo tomarán un poco más de tiempo de lo que la comunidad tecnológica en general ha anticipado.