El modelo de confianza cero para los agentes de IA comienza tras el inicio de sesión

El modelo de confianza cero se creó para corregir una suposición obsoleta: si se encontraba dentro de la red, se le consideraba de confianza. Posteriormente, la nube, el SaaS y el teletrabajo cambiaron esta situación, por lo que la seguridad pasó a centrarse en la identidad, las comprobaciones de dispositivos, la autenticación multifactorial (MFA, por sus siglas en inglés), el principio del privilegio mínimo y la verificación continua.

Pero ahora, con los agentes, lo complicado empieza después del acceso. El agente lee un comando, extrae el contexto, elige una herramienta, realiza una llamada a una API y puede activar un flujo de trabajo. El inicio de sesión le indica que el agente es «de confianza». No le indica si la siguiente acción tiene sentido.

Los agentes se enfrentan al problema de la identidad de las máquinas

Los equipos de seguridad ya han observado una versión más discreta de esto en el caso de las identidades de máquinas. Las cuentas de servicio, las claves de API, los tókenes y los certificados se crean para un proyecto, se les concede acceso y se dejan en funcionamiento mucho tiempo después de que el proyecto haya cambiado.

Ese dolor me resulta familiar: el privilegio de estar de pie, la propiedad obsoleta y los registros que solo se consultan cuando algo falla.

Los agentes complican el viejo problema con sus decisiones. Una cuenta de servicio generalmente sigue el código. Un agente interpreta un objetivo, lee el contexto en vivo, elige una herramienta y decide qué intentar a continuación.

La seguridad debe abarcar ahora todos los sistemas a los que el agente pueda acceder, así como cualquier acción que esté a punto de realizar.

La autonomía decide cuánto control necesita

La nota de mayo de 2026 de Gartner es útil aquí porque separa dos cosas que a menudo se confunden: cuánta autonomía tiene un agente y cuánto acceso posee.

La combinación importa. Un agente que resume documentos necesita acceso de lectura limitado y registros limpios. Un agente que actualice registros, escriba código o modifique flujos de trabajo requiere pasos de aprobación, medidas de control más estrictas, supervisión, responsabilidad y una vía de reversión.

La escala de autonomía de Gartner es un buen punto de partida: observar, asesorar, aprobar, actuar de forma autónoma. Cada paso debería implicar un mayor control, ya que el agente se está acercando cada vez más a una acción empresarial.

Ese es el cambio hacia el modelo de confianza cero para los agentes. La identidad le indica quién está actuando. El contexto de la situación le indica si la acción se ajusta a la ocasión.

La decisión estratégica requiere los detalles que, por lo general, se pierden tras iniciar sesión: qué datos están implicados, qué herramienta se está invocando, qué instrucción ha dado forma a la solicitud y a qué sistema se accede a continuación.

Lo que los equipos de seguridad deben hacer ahora

Comenzar con un inventario simple. Enumerar los agentes que ya están en uso, dónde se ejecutan, qué tocan y quién es su propietario.

Agrupar los agentes según dónde aparezcan: agentes de codificación en puntos finales, agentes gestionados dentro de plataformas SaaS, agentes personalizados creados por equipos internos y agentes personales o de terceros conectados a través de OAuth.

Clasificar la autonomía. ¿El agente está observando, asesorando, actuando con aprobación o actuando por su cuenta? Vincular eso al acceso a datos, herramientas, acciones permitidas, propietario y aprobador.

Utilizar el nivel de autonomía como primer límite de control, como se sugiere a continuación:

Limitar privilegios por acción. Dé a cada acción su propio tratamiento de política. La lectura de un registro y su eliminación tienen consecuencias muy diferentes para la empresa.

Incorpore medidas de protección en la ruta de ejecución y trate las solicitudes de entrada y el contenido obtenido como entradas no fiables. Verifique las respuestas antes de que salgan datos confidenciales y valide los parámetros de llamada a herramientas antes de la ejecución. Requiera aprobación humana para acciones de alta consecuencia, como la eliminación de registros, movimientos financieros, comunicaciones masivas o llamadas a API externas.

Logre que el registro de auditoría sea útil. Para comprender el resultado, necesita conocer los comandos, las respuestas, las llamadas a herramientas, los datos procesados y las decisiones relativas a las políticas. Si el agente se comporta de forma inesperada, la seguridad necesita pruebas suficientes para detener la siguiente acción y explicar lo que sucedió.

La arquitectura tiene que ver la acción

La seguridad necesita un lugar para inspeccionar el aviso, la respuesta, la llamada a la herramienta, el movimiento de datos y el paso del flujo de trabajo mientras se realiza el trabajo.

Cato AI Security for Agents encaja en ese punto del flujo. Detecta la actividad de los agentes, regula el uso de las herramientas y los flujos de datos, y garantiza una visibilidad adecuada para auditorías en todas las herramientas, API, datos y flujos de trabajo.

El valor está en el contexto que rodea a la acción. Cuando los datos de comportamiento de los agentes se combinan con la telemetría de los usuarios, las aplicaciones, la red, el SaaS y la seguridad, la investigación se basa en las pruebas. Qué agente se ha ejecutado. Quién es el propietario del agente. Qué datos se han movido. Qué herramienta se ha utilizado.

Para los líderes, eso significa una gobernanza más clara entre usuarios, aplicaciones y agentes. Para los equipos de seguridad, significa que la confianza cero puede seguir al agente en el trabajo en lugar de desaparecer después del inicio de sesión.

Comience con un flujo de trabajo

Elija un flujo de trabajo de agente que ya esté en uso o cerca de la producción. Asigne la identidad, el nivel de autonomía, el acceso a los datos, las herramientas, las acciones permitidas, los puntos de aprobación, los registros y la ruta de reversión.

Ese ejercicio le indicará dónde están las brechas. Si no puede ver lo que ocurre, aprobarlo, detenerlo o explicarlo más tarde, el control está demasiado lejos.

La confianza cero para los agentes de IA comienza tras el inicio de sesión, ya que es ahí donde se toma la decisión relevante: ¿debe llevarse a cabo esta acción, en estas condiciones, en este preciso momento?