Akamai ha publicado una encuesta según la cual los agentes de IA son el riesgo de seguridad más infravalorado por las empresas, con un matiz importante: los encuestados no son personas reales. Son 1.067 «CISOs sintéticos», perfiles generados con IA y calibrados con datos de responsables de seguridad reales, elaborados por la plataforma de investigación sintética Evidenza en julio de 2026. Según esas respuestas, solo el 10 % tiene controles maduros para los agentes, frente al 48 % para las API.
Las claves del estudio de Akamai sobre agentes de IA en 20 segundos
- Los 1.067 encuestados son perfiles sintéticos generados con IA, no directivos reales.
- Los agentes quedan últimos entre los riesgos actuales, pero primeros entre los infravalorados.
- Solo el 10 % tendría controles maduros para agentes y el 70 %, limitados o ninguno.
La autora del análisis, Kimberly Gomez, directora de investigación de seguridad de Akamai, explica que estos perfiles se modelan como responsables de seguridad de organizaciones de más de 1.000 empleados en siete sectores y cuatro regiones, y que sirven para simular decisiones, no para sustituir a la investigación con personas. La propia Akamai reconoce que los datos sintéticos no determinan qué hacer exactamente, y compara los resultados con su estudio de seguridad de API de 2026, hecho con 1.840 profesionales reales de diez países.
Últimos en urgencia, primeros en riesgo oculto
El resultado más llamativo es una contradicción. En una lista de 11 desafíos actuales de seguridad de la IA, los agentes y su acceso a herramientas y datos, incluido el protocolo MCP, quedaron en último lugar, por detrás de la fuga de datos sensibles a través de chatbots y la IA en la sombra. Pero cuando se pregunta por el riesgo que la industria está subestimando, los agentes encabezan la lista: identidades no humanas con demasiado acceso (31 %), fraude y abuso impulsados por agentes (26 %) y agentes fuera de control (25 %). Para 2030, el 29 % señala a los agentes rebeldes como la amenaza de IA que más afectará al negocio.
Según Akamai, la baja urgencia se explica en parte porque muchas organizaciones todavía no conectan sus agentes a sistemas reales. Pero el problema ya asoma: uno de los perfiles sintéticos, que simula a un arquitecto de seguridad de una empresa SaaS, describe equipos que montan prototipos de agentes y les asignan cuentas de servicio con permisos de administrador. El 80 % reconoce capacidades parciales o mínimas para defenderse de amenazas de IA, y solo uno de cada diez se considera bien preparado.
Qué recomienda Akamai
Las recomendaciones son de sentido común y aplicables con o sin encuesta: inventariar los agentes, sus identidades de máquina y las API a las que acceden, incluidas las no documentadas; limitar cada agente al acceso mínimo y revisar tokens y cuentas de servicio olvidados; registrar sus acciones para poder rastrearlas hasta la petición que las originó; exigir aprobación humana para las acciones que modifiquen datos o sistemas, al menos al principio, y vigilar el tráfico de API en busca de comportamientos ajenos a su función.
Hay que leer el estudio con cautela. Lo encarga y publica una empresa que vende productos de seguridad para IA y API, como Firewall for AI y API Security, y se basa en respuestas simuladas, no en una encuesta a directivos reales. Su valor está en el diagnóstico cualitativo, que coincide con lo que se ve en incidentes recientes: el acceso excesivo de identidades no humanas, como en el abuso de los roles de confianza de Qubole en AWS, es una de las vías más rentables para un atacante.
Preguntas frecuentes
¿Qué son los CISOs sintéticos?
Perfiles generados con IA y calibrados con datos de responsables de seguridad reales, que se usan para simular respuestas. No son personas reales.
¿Por qué los agentes de IA son un riesgo?
Sobre todo por los permisos excesivos de sus identidades de máquina, el posible abuso para fraude y la falta de registros fiables de lo que hacen.
¿Qué recomienda Akamai?
Inventariar agentes y API, aplicar el mínimo privilegio, registrar sus acciones y exigir aprobación humana para cambios en datos o sistemas.
Fuentes:
