Rami Habal, fundador y CEO de Magnitude – Serie de entrevistas

Rami Habal, fundador y CEO de Magnitude es un veterano ejecutivo de ciberseguridad y productos de IA con una carrera que abarca seguridad empresarial, aprendizaje automático, tecnología de consumo y startups respaldadas por capital de riesgo. Antes de fundar Magnitude, se desempeñó como emprendedor en residencia en Ballistic Ventures y pasó más de cuatro años en Abnormal Security, incluyendo roles como Director de Producto y Director de Cliente. Anteriormente, Habal lideró la experiencia multidispositivo para Amazon Alexa, dirigió producto en Reverb y fue uno de los primeros empleados de Proofpoint, donde ayudó a construir y comercializar productos de seguridad mientras la empresa pasaba de startup a su eventual IPO. Su carrera también incluye experiencia en capital de riesgo, tecnología móvil, APIs y estrategia de producto, lo que le brinda una amplia formación en la intersección de ciberseguridad, IA y software empresarial.

Magnitude es una empresa de ciberseguridad nativa de IA centrada en transformar la gestión de riesgos de terceros (TPRM) de revisiones de cumplimiento periódicas a una función de seguridad continua. Su plataforma de múltiples agentes utiliza agentes de IA especializados para evaluar proveedores y productos, monitorear continuamente vulnerabilidades y otros cambios de riesgo, mapear dependencias de cuarto, quinto y niveles más profundos, automatizar comunicaciones con proveedores y ayudar a gestionar la remediación. En lugar de depender principalmente de cuestionarios y evaluaciones puntuales, Magnitude está diseñada para razonar contra las propias políticas de una organización y proporcionar decisiones basadas en evidencia con fuentes y razonamiento rastreables. El objetivo más amplio es ofrecer a los equipos de seguridad visibilidad continua en ecosistemas de software y proveedores cada vez más complejos, mientras permite que los analistas humanos se concentren en decisiones de mayor valor.

Después de ayudar a crear productos en Proofpoint, Amazon Alexa y Abnormal Security, ¿qué le convenció de que ahora era el momento adecuado para fundar Magnitude? ¿Hubo una realización específica o un punto de dolor del cliente que le hizo creer que la gestión autónoma de riesgos de terceros necesitaba convertirse en su propia empresa?

Sabía que después de mi tiempo en Abnormal, quería iniciar una empresa. Lo que no sabía era qué problema valía la pena construir una compañía alrededor. A lo largo de mi carrera, me he sentido atraído por productos de aprendizaje automático aplicados que abordan necesidades amplias y universales, como la seguridad de correo electrónico en Proofpoint, la computación de voz con Alexa y la seguridad conductual en Abnormal. Quería encontrar otro problema con ese mismo alcance para ayudar a las empresas.

Entonces llegaron los agentes. Habiendo trabajado en la ola anterior de aprendizaje automático, pude ver que no se trataba solo de otra característica del producto. Era un cambio de plataforma, y esos no aparecen muy a menudo.

Mientras era emprendedor en residencia en Ballistic Ventures, comencé a conversar con CISOs sobre dónde ese cambio podría tener el mayor impacto. El riesgo de terceros surgía repetidamente. Históricamente, tenía sentido que la TPRM estuviera dentro de la función GRC porque el riesgo de proveedores cambiaba lo suficientemente despacio como para que las revisiones periódicas pudieran mantenerse al día. Pero esa suposición se estaba desmoronando. Todos coincidían en que era un problema importante, pero la mayoría de las organizaciones todavía lo gestionaban con cuestionarios anuales, hojas de cálculo, revisiones periódicas y un trabajo manual extenso. La reacción era consistente: la gestión de riesgos de terceros es crítica, pero aún no contamos con una buena manera de resolverla.

Esa fue la realización detrás de Magnitude. Sabía que el modelo tradicional ya no funcionaba, y necesitábamos una tecnología capaz de cambiar el modelo operativo por completo, no simplemente hacer que el antiguo proceso basado en hojas de cálculo fuera un poco más rápido. Desde el principio, mi visión era que cada proveedor eventualmente tendría un enjambre de agentes evaluando continuamente los riesgos que lo rodean. Magnitude creció a partir de esa creencia.

Usted describe la llegada de la era “Mythos”, donde la IA puede identificar y weaponizar vulnerabilidades más rápido de lo que los humanos pueden reaccionar. ¿Qué cambios ha observado en el último año que le convencen de que este cambio ya está en marcha en lugar de ser una preocupación futura?

El cambio más grande que he visto es la rapidez con la que ahora ocurren estos ataques. Hace un año, gran parte de la conversación todavía giraba en torno a lo que la IA podría eventualmente permitir que un atacante hiciera. Ahora podemos ver esas capacidades tomando forma en tiempo real. La IA puede ayudar a un atacante a examinar un ecosistema de software mucho más amplio, descubrir debilidades que antes podrían haber sido desconocidas y atacar esas debilidades a una escala que sería difícil de igualar para un equipo humano.

En la era Mythos, los sistemas de IA han demostrado la capacidad de detectar más de 2,000 fallas previamente desconocidas en ecosistemas de software, y se proyecta que el tiempo medio desde el descubrimiento de una vulnerabilidad hasta su explotación weaponizada caiga a menos de una hora para finales de 2026. Mientras el tiempo entre descubrimiento y weaponización sigue disminuyendo, eso crea una brecha entre la rapidez con la que puede aparecer la exposición y la rapidez con la que los ciclos de revisión tradicionales pueden responder.

También estamos viendo que el patrón de incidentes se mueve en la misma dirección. En nuestro análisis, la frecuencia de ataques a la cadena de suministro aumentó de aproximadamente 13 incidentes por mes en 2024 a 41 por mes en 2026. Hemos notado que la actividad está creciendo junto con importantes mejoras en los modelos de frontera. No afirmaría que cada lanzamiento de modelo cause directamente más ataques, pero la tendencia es difícil de ignorar. Las herramientas se están volviendo más capaces a medida que el ritmo de los ataques se acelera.

Lo que realmente confirma este cambio para mí son las conversaciones que mantengo con los líderes de seguridad. Ya no hablan del riesgo de terceros como algo que se pueda gestionar mediante una revisión anual y volver a evaluar en la renovación. Se sienten expuestos en los meses entre esas revisiones porque sus proveedores, dependencias de software y suministradores downstream cambian constantemente.

Eso es lo que la era Mythos significa para mí. La ventana para comprender y responder al riesgo se está reduciendo, mientras que el impacto potencial de un solo proveedor comprometido se está ampliando. Un proceso de cumplimiento periódico simplemente no fue diseñado para ese entorno.

Muchas empresas están desplegando rápidamente agentes de IA en toda su organización. ¿Cómo deben los líderes de seguridad replantearse la gobernanza cuando esos agentes interactúan cada vez más con proveedores externos, API y dependencias downstream?

Lo primero que los líderes de seguridad deben reconocer es que incluso un agente de IA creado dentro de la empresa puede no ser completamente interno. Podría depender de una plataforma externa, una habilidad de terceros a través de MCP, un servicio como Google Drive u otra tecnología que la organización no controla directamente. Y cada uno de esos proveedores puede tener sus propios suministradores.

Ya no basta con aprobar el propio agente. Los líderes deben entender a qué información puede acceder, qué acciones puede realizar, qué servicios externos utiliza y cuándo se requiere la aprobación humana. También deben comprender cómo esas dependencias pueden cambiar con el tiempo a medida que el agente adquiere nuevas capacidades, se conecta a nuevos sistemas o comienza a depender de proveedores downstream adicionales. Esos controles tampoco pueden establecerse una vez y olvidarse. A medida que un agente gana nuevas capacidades o conexiones, su gobernanza debe adaptarse en consecuencia.

El objetivo no debe ser frenar la adopción de IA, sino proporcionar a las empresas la visibilidad suficiente para usar los agentes con confianza. La gobernanza debe convertirse en una práctica de seguridad continua, en lugar de una aprobación puntual que se completa cuando se introduce una nueva herramienta.

La gestión de riesgos de terceros tradicionalmente se ha basado en cuestionarios y revisiones periódicas. ¿Por qué cree que ese modelo se rompe fundamentalmente en un entorno impulsado por IA? 

El problema del modelo tradicional de TPRM es que ofrece una instantánea de lo que un proveedor dijo que era cierto en un momento específico. Una empresa puede completar un cuestionario cuando se aprueba por primera vez y luego no volver a revisarlo hasta la renovación, que podría ser años después. Mientras tanto, su tecnología, prácticas de seguridad, modelos de IA, uso de datos y suministradores pueden haber cambiado. Apenas podemos predecir lo que cambiará en las próximas semanas, por lo que depender de una evaluación de varios años ya no tiene sentido.

También existe la cuestión de cuán confiable es la información. Una respuesta reportada ingresada por alguien que intenta avanzar un acuerdo no es lo mismo que un hecho respaldado por una auditoría independiente, una presentación corporativa firmada u otra fuente verificable. Los líderes de seguridad necesitan saber no solo cuál es la respuesta, sino de dónde proviene y si sigue siendo actual.

Finalmente, los cuestionarios suelen detenerse en el proveedor directo. Rara vez muestran a los N‑ésimos partidos, aunque esas relaciones ocultas de cuarto y quinto nivel pueden generar una exposición real. Los atacantes ahora saben que el eslabón más débil de una empresa no es la propia empresa, sino uno de esos proveedores downstream. Atacar a esos proveedores puede, en última instancia, darles acceso a la empresa. Es simplemente más barato y fácil.

Por eso no creo que la respuesta sea simplemente usar IA para completar los cuestionarios más rápido. En ese modelo siempre habrá brechas. El modelo mismo debe cambiar, pasando de instantáneas periódicas y autoinformadas a una comprensión continua, en tiempo real y basada en evidencia del riesgo, tan profunda como la cadena de suministro de la empresa.

Magnitude introduce el concepto de una fuerza laboral autónoma de IA para equipos de seguridad. ¿Dónde ve el equilibrio entre la toma de decisiones impulsada por IA y la supervisión humana, particularmente para decisiones de seguridad de alto impacto? 

Autónomo no tiene que significar irresponsable. Mi forma de verlo es que la IA debe encargarse del trabajo crítico pero repetitivo que consume tanto tiempo del equipo de seguridad, mientras que las personas siguen involucradas cuando una decisión requiere juicio, contexto o conlleva consecuencias empresariales significativas. El hecho es que ningún equipo de seguridad cuenta hoy con los recursos suficientes para manejar la carga actual. La IA puede ayudar a cubrir esa brecha.

La calidad de la IA es enormemente importante. Cuando se hace bien, la IA es un multiplicador de fuerza. brinda al equipo mayor capacidad y ayuda a las personas a centrarse en trabajos de mayor valor. Cuando se hace mal, tiene el efecto contrario porque alguien tiene que verificar cada salida. Para decisiones de seguridad de alto impacto, el sistema debe ser de alta calidad y poder mostrar qué evidencia utilizó y cómo llegó a su recomendación, creando un registro auditable.

El nivel adecuado de supervisión también variará según la organización. Una gran empresa con un equipo de seguridad consolidado puede usar la IA más como un piloto automático, con personas supervisando el trabajo y interviniendo en casos de excepción. Una organización más pequeña puede optar por automatizar más del programa porque carece del personal o del presupuesto para construir un equipo grande. En cualquier caso, debe haber puntos claros donde un problema se escale a una persona.

En última instancia, la organización debería poder decidir cuánto involucramiento humano desea según la importancia de la decisión. El objetivo no es eliminar a las personas de la seguridad. Es ayudarles a aprovechar mejor su tiempo, tomar decisiones empresariales más rápidas y reservar la atención humana para las decisiones donde aporta mayor valor.

Su equipo reúne experiencia en IA, ciberseguridad y plataformas de escala de consumo. ¿Cómo ha influido esa combinación en la forma en que ha diseñado Magnitude en comparación con los productos tradicionales de ciberseguridad? 

Cada uno de nuestros antecedentes nos enseñó algo diferente sobre lo que debe hacer bien un producto de seguridad con IA. En ciberseguridad, una respuesta solo es útil si puedes confiar en ella, rastrearla hasta la evidencia y actuar en consecuencia. A partir de nuestro trabajo en IA y aprendizaje automático, aprendimos que la verdadera oportunidad no es simplemente resumir información, sino convertir el trabajo de los expertos en un sistema que pueda realizar ese trabajo de manera constante. Construir plataformas como Alexa y Pandora nos enseñó a pensar en la fiabilidad y la usabilidad a gran escala.

Esas lecciones nos alejaron del modelo tradicional de ciberseguridad de producir otro panel de control o otro flujo de alertas para que un equipo ya sobrecargado investigue. Diseñamos Magnitude para realizar el trabajo: recopilar y verificar información, evaluar proveedores, monitorear cambios, conectar la nueva información al riesgo empresarial y ayudar a avanzar los problemas hacia su resolución.

Detrás de escena, eso implica varios agentes de IA especializados trabajando en conjunto. Pero la experiencia del cliente debe seguir siendo sencilla. Los equipos de seguridad no deberían tener que convertirse en expertos en IA para comprender lo que el sistema encontró, por qué es importante o qué acción tomar.

El resultado es un producto diseñado para operar de forma continua a través de miles de proveedores, al mismo tiempo que cumple con el estándar requerido para decisiones de seguridad de alto impacto. No es IA añadida a un flujo de trabajo antiguo. Fue construido desde el principio alrededor de la idea de que la IA puede realizar gran parte del flujo de trabajo por sí misma, al tiempo que brinda a las personas la evidencia, visibilidad y control que necesitan.

Una de las mayores preocupaciones en torno a la IA en ciberseguridad es que potencia tanto a defensores como a atacantes. ¿Crees que la ventaja actualmente está del lado de los defensores o de los adversarios, y qué determinará quién se mantendrá por delante en los próximos años?

Creo que la ventaja hoy se inclina hacia los adversarios, particularmente en los ataques a la cadena de suministro. No diría que los defensores están irremediablemente rezagados. El llamado a la acción para los defensores es dejar de tratar esto como un problema futuro y avanzar más rápido ahora. Ambas partes tienen acceso a muchas de las mismas herramientas de IA, pero la economía y el tiempo de comercialización actualmente favorecen al atacante.

La IA hace que sea más barato y fácil probar más rutas de ataque, lanzar más intentos a varios niveles y repetir ese proceso a gran escala. Cuando un atacante compromete a un proveedor o componente de software ampliamente utilizado, un ataque exitoso puede propagarse a cientos o incluso miles de empresas.

Los defensores tienen el trabajo más difícil porque deben comprender y proteger una amplia red de proveedores, componentes de software y proveedores descendentes, y también lleva tiempo a las empresas reaccionar, adquirir el software que ayuda y operacionalizar esas herramientas, lo que crea una ventana que los atacantes pueden explotar.

Lo que determinará quién se mantenga por delante será si los defensores pueden cambiar esa ecuación. Necesitan pasar de revisiones ocasionales y seguimientos manuales a una monitorización continua y una acción más rápida. Los sistemas automatizados de gobernanza y defensa que monitorean continuamente los cambios, los vinculan al riesgo empresarial y pueden responder rápidamente harán que los ataques sean más difíciles de escalar y más costosos de repetir.

La ciberseguridad siempre ha sido un juego del gato y el ratón. La IA no cambia eso, pero sí incrementa la velocidad y la magnitud de los riesgos. Los defensores necesitan sistemas que puedan aprender, adaptarse y actuar al mismo ritmo al que los atacantes están comenzando a operar.

Las cadenas de suministro de IA se están volviendo cada vez más complejas, con organizaciones que dependen de numerosos modelos base, proveedores SaaS y agentes autónomos. ¿Qué riesgos emergentes crees que las empresas todavía están subestimando?

El riesgo más subestimado es la tecnología que se encuentra detrás del producto que una empresa cree haber aprobado. Incluso un agente construido internamente puede depender de plataformas externas, complementos, contratistas o componentes de software. Esas relaciones ocultas crean un riesgo de N-ésima parte, los proveedores detrás de un proveedor directo.

La mayoría de las empresas aún tienen muy poca visibilidad de esa capa más profunda. Puede que sepan con quién firmaron un contrato, pero no conocen cada servicio externo, componente de software o subcontratista que, en última instancia, respalda el producto.

El otro problema es cuán interconectados se han vuelto estos sistemas. Una vulnerabilidad en un complemento o servicio de soporte puede no permanecer aislada al proveedor. Puede crear una ruta hacia una plataforma mayor y luego afectar a muchas organizaciones que dependen de ella. Eso significa que un proveedor relativamente pequeño puede convertirse en una fuente de exposición mucho mayor.

Lo que los líderes de riesgo deberían preguntar no es simplemente, “¿Qué modelo de IA estamos usando?” Sino, “¿De qué depende este sistema, de qué dependen esos proveedores y cómo podría un problema en cualquier punto de esa cadena llegarnos a nosotros?” Hasta que las empresas puedan responder a esas preguntas, seguirán heredando riesgos que no pueden ver.

Mirando más allá de los modelos de lenguaje extenso de hoy, ¿qué desarrollos tecnológicos en los próximos cinco años espera que remodelen de manera más significativa la ciberseguridad empresarial y la gestión de riesgos? 

No creo que el cambio definitorio sea un modelo nuevo. Será el paso de la IA que responde preguntas a sistemas de IA que pueden observar continuamente lo que ocurre, conectar información de diferentes fuentes y actuar.

La próxima generación de modelos no será solo un poco mejor; será mucho más capaz. Pero el cambio más importante provendrá de agentes especializados que trabajen juntos en las operaciones de seguridad. Hoy, las revisiones de proveedores, la información de amenazas, el riesgo empresarial y la remediación a menudo se gestionan con herramientas separadas y por equipos distintos. Con el tiempo, esas funciones comenzarán a integrarse.

Espero que los sistemas de seguridad se vuelvan mucho más interconectados, reuniendo la información de amenazas, el contexto empresarial, las políticas de la compañía y las acciones de respuesta en lugar de gestionarlos con herramientas separadas. Podrían reconocer que un proveedor ha sido expuesto a una nueva amenaza, entender qué partes del negocio podrían verse afectadas y ayudar a iniciar la respuesta sin esperar a varios traspasos manuales.

Eso transformará la gestión de riesgos de una serie de ejercicios periódicos a una capacidad operativa continua. Los programas de riesgo más sólidos se construirán en torno al contexto empresarial, evidencia fiable y la capacidad de convertir la información en acciones confiables.

Si pudiera ofrecer un consejo a los CISOs y líderes empresariales que se preparan para la próxima generación de amenazas impulsadas por IA, ¿cuál sería y qué acciones deberían priorizar hoy?

Mi consejo sería dejar de gestionar el riesgo de la cadena de suministro como un ejercicio anual. El riesgo cambia continuamente, y su enfoque debe mantenerse al día. El entorno está vivo y respira. Es demasiado interconectado y cambia demasiado rápido para que una serie de revisiones y herramientas separadas lo sigan.

Cómo proteger esta superficie de ataque emergente es mediante un único plano de control nativo de IA para una gobernanza y defensa continuas y autónomas de todos sus riesgos externos.

El punto de partida son las áreas del negocio que más importan. Identifique a los proveedores y servicios externos que respaldan esas operaciones críticas, comprenda dónde están las dependencias ocultas y establezca una responsabilidad clara para lo que ocurre cuando se detecta un riesgo. Luego automatice tanto como sea posible la monitorización continua y la respuesta rutinaria, manteniendo a las personas involucradas en decisiones con consecuencias empresariales importantes.

El objetivo no es simplemente recopilar más información. Se trata de conectar continuamente lo que sabe, decidir qué es importante y actuar antes de que un problema con un proveedor se convierta en un problema a nivel de toda la empresa.

Gracias por la excelente entrevista, los lectores que deseen obtener más información deberían visitar Magnitude.