Seguridad de la IA a velocidad de máquina: Un plan para la seguridad de las aplicaciones moderna

• Se prevé que las llamadas de inteligencia artificial (IA) empresarial se multipliquen por mil para 2027, lo que crea una escala de interacción automatizada que la seguridad tradicional no puede gestionar.
• Aunque el 87 % de las organizaciones experimentó un incidente de seguridad de API el año pasado, solo el 18 % se sienten bien preparadas para hacer frente a los ataques a las API vinculadas a la IA.
• El cambio hacia los agentes de IA no lineales y hacia el vibe coding ha dado prioridad a la implementación rápida en lugar de a una arquitectura de seguridad rigurosa.
• Las interacciones emergentes de agente a agente (A2A) implican que su seguridad dependa ahora de la integridad de los ecosistemas de IA de terceros.
• Para mantener la innovación, las organizaciones deben adoptar un modelo de tiempo de ejecución por capas que haga hincapié en la detección continua y en los mecanismos de protección en tiempo real.

Los equipos de seguridad modernos leen los artículos tecnológicos más recientes como si fueran auténticas historias de terror. En un artículo reciente se analizaba cómo una inyección indirecta de prompts puede aprovechar los comportamientos de las aplicaciones de confianza para exfiltrar de forma silenciosa datos financieros confidenciales de la empresa, registros y telemetría. Y otro artículo trataba sobre un agente de programación por IA que eliminó una base de datos de producción con una sola llamada de API.

Estos son solo dos ejemplos de los desafíos a los que se enfrentan los equipos de seguridad de las aplicaciones. Han surgido nuevas fricciones a medida que las empresas han pasado de experimentar con la IA generativa a gastar miles de millones en integrarla profundamente en los flujos de trabajo principales. Las unidades de negocio exigen una implementación a una altísima velocidad, mientras que los equipos de seguridad se quedan mirando fijamente a una red de API que crece sin control y carece de documentación.

Sin embargo, convertirse en un obstáculo para esta oleada de innovación no es realmente una opción para los equipos de seguridad de hoy en día. Las prohibiciones generales no funcionan. En su lugar, los equipos de seguridad deben convertirse en impulsores de la IA. 

Por supuesto, esto es más fácil de decir que de hacer, porque la dinámica ha cambiado. Mientras que las llamadas a las aplicaciones tradicionales  siguen una lógica predecible, los agentes de IA no son lineales y a menudo bombardean los terminales para cumplir el objetivo de un único usuario. 

El resultado no es solo un crecimiento del volumen, sino también una transformación de la superficie de ataque. De hecho, IDC predice que en 2027, el uso de agentes por parte de las empresas del Global 2000 se multiplicará por diez, llegando las cargas de llamadas de API incluso a multiplicarse por mil. 

Y las empresas no creen estar preparadas.

Nuestro estudio sobre el impacto de la seguridad de API de 2026 revela que las capacidades defensivas no están a la altura de la velocidad de desarrollo.

En el último año, el 87 % de los 1840 profesionales de la seguridad encuestados han experimentado un incidente de seguridad relacionado con las API. De manera más significativa, el 42 % de esos incidentes afectaron a API que estaban específicamente vinculadas a sus tecnologías de IA, desde aplicaciones de IA para clientes hasta los agentes entre bastidores. 

A pesar de estas cifras, solo el 18 % de nuestros encuestados se sienten totalmente preparados para hacer frente a estos ataques. Se enfrentan a una situación en la que la superficie de ataque principal es la que menos entienden.

Los equipos de seguridad parecen comprender lo que esto implica. Cuando se les preguntó sobre los riesgos asociados a las API vinculadas a modelos de lenguaje de gran tamaño (LLM), los encuestados mencionaron que “las API que filtran información confidencial o se pueden utilizar para la exfiltración de datos”, “los atacantes que explotan los terminales de API vinculados a LLM no seguros” y “las inyecciones de prompts con las que las API realizan acciones basadas en resultados maliciosos” eran sus tres principales preocupaciones. 

La aparición del desarrollo asistido por IA, también conocido como "vibe coding", no ha ayudado precisamente. Este enfoque prioriza la producción rápida y las demos funcionales frente a las pruebas de seguridad rigurosas.

Aunque aumenta la productividad, esto a menudo se traduce en API con autorización insegura o en filtraciones que revelan errores sensibles. Los atacantes ahora utilizan la IA generativa para convertir en armas estos defectos a la misma velocidad a la que se descubren.

Esto hace que las puertas de enlace sean cruciales. Las puertas de enlace de IA deben evolucionar para incluir registros de agentes y verificación de clientes para limitar el riesgo.

A medida que las empresas se mueven hacia la comunicación de agente a agente (A2A), el panorama de amenazas se expande exponencialmente. Su seguridad ya no se limita a su propia infraestructura interna.

Si un agente interno llama a una herramienta de IA externa para hacer un análisis, y esa herramienta externa se ve comprometida, puede devolver datos contaminados al sistema. Esto crea una “cadena de envenenamiento” donde la exfiltración de datos no autorizada se produce sin un solo prompt humano directo.

Estas negociaciones automatizadas se producen en milisegundos. Sin visibilidad en tiempo real, estas interacciones pasan desapercibidas hasta mucho después de que se haya producido una brecha.

Para pasar de ser un obstáculo para la IA a ser los impulsores de la IA, los equipos de seguridad necesitan una forma de respaldar la innovación de forma segura. La respuesta es un modelo de tiempo de ejecución por capas que proteja la aplicación en cada una de las capas, desde la conexión inicial a la API hasta la salida final del modelo.

Esta estrategia se centra en tres fases críticas:

1. Detección ininterrumpida
2. Aplicación de la puerta de enlace
3. Refuerzo del tiempo de ejecución

Vaya más allá de la documentación estática y utilice la detección de comportamiento en directo para mapear las API en la sombra y los servidores de contexto no supervisados en función del tráfico en tiempo real. Al vincular las vulnerabilidades del entorno de tiempo de ejecución directamente al repositorio del desarrollador, los equipos pueden pasar de la detección a la corrección mucho más rápido.

Enrute todo el tráfico de IA interno y externo a través de una puerta de enlace gestionada con reconocimiento de IA. Esto establece un punto de estrangulamiento centralizado para aplicar limitaciones de velocidad, gestionar credenciales y pasar de claves API más amplias a identidades de agentes con permisos específicos.

Implemente firewalls lógicos y de contenido diseñados específicamente para evaluar las entradas y salidas en tiempo real. Estas herramientas actúan como mecanismos de protección activos al neutralizar las inyecciones de prompts externas y excluir automáticamente los datos sensibles, como la información de identificación personal, antes de que lleguen a un LLM de terceros o a una base de datos vectorial interna. 

Al establecer la visibilidad como requisito previo para la protección, los directivos pueden abandonar un "patchwork" de soluciones puntuales y crear una defensa unificada que reduzca el riesgo sin ralentizar el ritmo de la empresa.

En esta entrada de blog se trataron algunas de las áreas de riesgo clave, pero hay mucho más que contar. Nuestra guía estratégica ayuda a los profesionales de la seguridad a gestionar la transición a una estrategia de IA resiliente. Obtenga la guía para descubrir cómo Akamai puede ayudarle a cerrar la brecha de visibilidad hoy mismo.