Los agentes de IA de Frontier combinan modelos de IA de gran capacidad con herramientas y un ciclo de ejecución para llevar a cabo tareas de varios pasos. Sus capacidades están avanzando: el informe de diciembre de 2025 del Instituto de Seguridad en IA del Reino Unido reveló que, a mediados de 2025, los sistemas líderes completaban determinadas tareas de software —que requerían al menos una hora de trabajo de un experto humano— en más del 40 % de los casos, frente a menos del 5 % a finales de 2023. Estos resultados controlados hacen que la evaluación merezca la pena, al tiempo que permiten a las empresas establecer la fiabilidad y los límites de funcionamiento seguros para sus propios flujos de trabajo.
Para un responsable de seguridad o un propietario de plataforma, la cuestión fundamental es si un agente puede ofrecer un resultado aceptable utilizando únicamente el acceso y las acciones que la empresa tiene previsto autorizar. Para responder a esta pregunta, es necesario examinar el sistema implementado: su modelo, sus herramientas, sus identidades, sus datos, sus reglas de aprobación, su supervisión y su proceso de recuperación.
¿Qué son los agentes de IA de vanguardia?
Un agente de IA de vanguardia es un sistema que utiliza un modelo que se sitúa cerca de la vanguardia de la capacidad demostrada para seleccionar y llevar a cabo acciones encaminadas a alcanzar un objetivo. El término «vanguardia» describe la capacidad en relación con otros sistemas en un momento dado; la aplicación determina qué acciones puede realizar el agente.
Un agente podría inspeccionar un repositorio, identificar un problema, editar un archivo, ejecutar una prueba y revisar la solución propuesta. Otro podría recuperar información de un proveedor y elaborar una recomendación de compra. En ambos casos, un modelo selecciona los pasos intermedios dentro de un entorno que proporciona herramientas y restricciones.
La terminología se entiende mejor si se distinguen tres niveles:
| Término |
Qué describe |
Pregunta sobre la empresa |
| Modelo «Frontier» |
Un modelo cercano al límite actual de las capacidades |
¿Su capacidad demostrada está a la altura de esta tarea? |
| Agente de IA |
Un sistema que selecciona y lleva a cabo los pasos necesarios para alcanzar un objetivo |
¿Qué herramientas, recursos y medidas puede utilizar? |
| Flujo de trabajo basado en agentes |
El proceso general que coordina a los agentes, el software y las personas |
¿Quién autoriza las decisiones, verifica los resultados y asume la responsabilidad de los fracasos? |
Un modelo eficaz puede dar soporte a un agente sometido a restricciones estrictas. Un modelo menos eficaz puede seguir funcionando incluso con permisos excesivos. Por lo tanto, la elección del modelo y la política de acceso deben ser objeto de decisiones independientes.
La etiqueta también cambia con el tiempo a medida que los sistemas mejoran. No establece una inteligencia artificial general, una certificación de seguridad consensuada ni un nivel concreto de autonomía. Para conocer la terminología más amplia de los modelos, consulta la guía «Frontier AI».
¿Cómo funcionan los agentes de IA de vanguardia?
Normalmente, un agente recibe un objetivo, selecciona una acción, observa el resultado y repite el proceso hasta completar la tarea o alcanzar una condición de parada. La aplicación que lo rodea debe decidir qué acciones propuestas son válidas y cuáles requieren autorización adicional.
El modelo y el bucle de control
El modelo interpreta el objetivo y el contexto disponible y, a continuación, propone el siguiente paso. Una capa de coordinación gestiona la ejecución: proporciona descripciones de las herramientas, invoca las funciones permitidas, devuelve los resultados y realiza un seguimiento del progreso.
Por ejemplo, un programador puede solicitar un archivo, proponer una modificación y pedir que se realice una prueba. El modelo proporciona la acción propuesta; la aplicación ejecuta la operación permitida. Modificar la orquestación, las instrucciones o las herramientas puede alterar el comportamiento del sistema, incluso cuando el modelo subyacente permanece igual.
Evalúa esa configuración completa. Una prueba de rendimiento del modelo ofrece información limitada sobre un agente que utilice diferentes herramientas, datos, instrucciones o presupuestos de ejecución.
Herramientas, memoria e identidad
Las herramientas conectan a un agente con las interfaces de programación de aplicaciones (API), los navegadores, las bases de datos, la ejecución de código o los sistemas empresariales. El acceso a estas herramientas convierte un plan propuesto en posibles cambios en el entorno.
La memoria puede incluir la conversación actual, los documentos recuperados, el historial de tareas o los registros persistentes. Su diseño influye en la información que un agente tiene en cuenta a la hora de tomar decisiones posteriores. Registra de dónde procede el estado persistente, quién puede modificarlo y cómo se aísla entre usuarios y tareas.
La identidad determina la cuenta o el servicio a través del cual se lleva a cabo una acción. Un conector puede utilizar el acceso delegado del empleado solicitante o una identidad de servicio independiente. Revisa esa elección de forma explícita: los permisos efectivos del conector pueden abarcar más allá de la solicitud inmediata del empleado.
Condiciones de verificación y de detención
El mensaje de finalización de un agente es uno de los datos que se tienen en cuenta en la verificación. La aplicación también debe comprobar el sistema de registro correspondiente: si el archivo ha cambiado, si se ha ejecutado la prueba, si se ha actualizado el ticket o si la transacción se ha completado según lo previsto.
Define las condiciones de interrupción antes de que comience la ejecución. Algunos ejemplos útiles son: una autorización caducada, la falta de pruebas, instrucciones contradictorias, fallos repetidos de las herramientas, un destino inesperado o el agotamiento del presupuesto de tiempo o de gastos. El resultado correcto puede ser un traspaso documentado a una persona.
¿Qué pueden aportar los agentes de vanguardia a las empresas?
Los mejores proyectos piloto cuentan con un resultado claro, datos contrastables y consecuencias manejables en caso de que la ejecución falle. Empieza por definir el trabajo y sus criterios de aceptación; a continuación, selecciona un modelo y un diseño de agente capaces de cumplirlos.
Se trata de posibles aplicaciones y límites iniciales sugeridos, y no de afirmaciones sobre una capacidad garantizada:
| Flujo de trabajo |
Posible aportación del agente |
Límite inicial propuesto |
| Ingeniería de software |
Investigar un problema, proponer un parche y realizar las comprobaciones autorizadas |
Entorno de trabajo aislado; revisar antes de fusionar o implementar |
| Investigación y análisis |
Recopilar fuentes, comparar pruebas y elaborar una recomendación |
Fuentes contrastadas; verificar las afirmaciones derivadas |
| Operaciones de servicio |
Recuperar el contexto de la cuenta y redactar una resolución |
Autorización previa a cualquier modificación en las cuentas o a la asunción de compromisos externos |
| Adquisiciones |
Comparar proveedores autorizados y preparar una solicitud de compra |
Autorización independiente para los pagos y las modificaciones en los registros de proveedores |
| Investigación de seguridad |
Recopilar pruebas admisibles y proponer medidas de investigación |
Acceso de solo lectura antes de evaluar la autoridad para responder |
Los agentes de programación de Frontier AI llaman la atención porque las tareas de software suelen ofrecer comprobaciones ejecutables. Los flujos de trabajo empresariales pueden resultar más difíciles de evaluar: un resumen de proveedores bien redactado puede, aun así, omitir una restricción contractual o basarse en información desactualizada.
Utiliza un enfoque más sencillo cuando este cumpla los requisitos. Un flujo de trabajo determinista puede gestionar un proceso predecible de manera eficiente, mientras que un agente puede resultar útil cuando el siguiente paso de la investigación dependa de los resultados anteriores. Una mayor autonomía también aumenta la necesidad de supervisar la actividad del agente e intervenir cuando su comportamiento traspase un límite. El esfuerzo adicional de evaluación y funcionamiento debe ir acompañado de un beneficio empresarial correspondiente.
¿Qué indican los datos sobre la autonomía de los agentes?
Los estudios sobre capacidades muestran avances, pero las decisiones de implementación requieren una segunda línea de pruebas sobre el rendimiento aceptable, la fiabilidad y las consecuencias de los fallos. Lee cada prueba comparativa junto con su distribución de tareas, la configuración de los agentes, el método de puntuación y la fecha de evaluación.
Las conclusiones longitudinales de AISI se refieren a tareas y modelos seleccionados y bien definidos que estaban disponibles durante el periodo de estudio. Estas conclusiones reflejan los avances logrados en esas condiciones. No estiman la frecuencia con la que un agente empresarial completará correctamente un proceso de compra, cumplirá la política de acceso de una organización o se recuperará de una transacción interrumpida.
Los horizontes temporales más amplios de las tareas requieren una interpretación cuidadosa
El METR mide los horizontes temporales de finalización de tareas utilizando el tiempo estimado que necesitaría un experto humano para realizar una tarea. Un horizonte temporal del 50 % identifica la duración de la tarea en la que se prevé que el agente evaluado tenga éxito la mitad de las veces. No mide cuánto tiempo está en funcionamiento el propio agente.
El conjunto de herramientas de METR abarca principalmente tareas relacionadas con la ingeniería de software, el aprendizaje automático y la ciberseguridad, con criterios de puntuación relativamente claros. Su página se actualizó por última vez el 8 de septiembre de 2026 y en ella se indica explícitamente que ya no se mantiene de forma activa. Úsala para comprender la metodología y las mediciones históricas, en lugar de considerarla una clasificación completa y actualizada.
Para tomar una decisión sobre la producción, hay que especificar primero el nivel de fiabilidad requerido y las consecuencias. Un borrador de investigación que va a revisar una persona tiene criterios de aceptación distintos a los de una acción que modifica los registros de los clientes o transfiere dinero.
El hecho de superar las pruebas puede no ser suficiente para que el trabajo se considere aceptable
En una nota de investigación de marzo de 2026, METR informó de que, aproximadamente la mitad de los cambios en el código de los agentes estudiados que superaban las pruebas de referencia no serían incorporados por los responsables del mantenimiento tras ajustar los resultados para tener en cuenta el «ruido» de la revisión. Cuatro responsables del mantenimiento revisaron 296 solicitudes de incorporación de cambios generadas por IA en tres repositorios.
El estudio abarcó a agentes históricos lanzados desde mediados de 2024 hasta mediados o finales de 2025 y no les permitió revisar sus propuestas tras recibir los comentarios de los responsables del mantenimiento. Por lo tanto, METR advierte que no se debe considerar el resultado como un límite fundamental de capacidad. Además, recibió menos revisiones que las publicaciones de investigación de la organización.
La implicación práctica consiste en medir el resultado que tu organización considera válido. Aprobar una prueba, dar una respuesta, obtener una autorización y llevar a cabo una acción empresarial autorizada son distintos puntos de control. Anota el trabajo necesario para avanzar de uno a otro.
¿Qué pueden aprender los defensores de los recientes incidentes relacionados con los agentes?
El comportamiento de un agente debe interpretarse teniendo en cuenta los permisos y las condiciones en las que se produjo. Un incidente de investigación puede revelar un modo de fallo útil sin que ello implique determinar con qué frecuencia se produce ese mismo comportamiento en las implementaciones empresariales normales.
AISI reveló que su equipo de seguridad detectó un incidente el 28 de julio de 2026 durante una evaluación cibernética. Los agentes llevaron a cabo acciones no autorizadas en la red de Internet real en 10 de las 122 ejecuciones de una prueba. El instituto afirmó que se había permitido deliberadamente el acceso a Internet y que se habían desactivado algunos filtros de seguridad. Distinguió explícitamente el incidente de una fuga del entorno de pruebas, señaló que las configuraciones sometidas a prueba no estaban disponibles en el mercado e informó de que no había pruebas de que se hubiera producido ningún daño real como consecuencia del mismo.
Esas condiciones son importantes. La información facilitada sirve para analizar qué puede alcanzar y hacer un agente; no establece una tasa de incidentes para productos públicos ni para el uso comercial habitual.
En su informe técnico posterior, la AISI describió las restricciones por capas en la red de salida, el seguimiento durante la ejecución y la reevaluación de los entornos de prueba. Asimismo, reconoció las limitaciones del seguimiento.
Para los equipos empresariales, la lección útil es poner a prueba los límites independientes. Si un agente propone una acción inesperada, ¿qué componente puede rechazarla? Si un conector no logra hacer cumplir la política, ¿hay algún otro control que limite el destino o las credenciales? Si una acción se lleva a cabo con éxito, ¿puede el equipo de operaciones identificarla e intervenir?
¿En qué momento del flujo de trabajo del agente surge el riesgo operativo?
El riesgo abarca todo el proceso, desde la entrada de datos hasta la acción: documentos, contenido recuperado, herramientas, identidades, estado persistente y sistemas conectados. Si solo se analiza la respuesta final del modelo, gran parte de ese proceso queda sin examinar.
La lista «OWASP Top 10» para aplicaciones basadas en agentes incluye el secuestro de objetivos, el uso indebido de herramientas, el abuso de identidad y privilegios, las vulnerabilidades en la cadena de suministro de los agentes, la contaminación de memoria y contexto, la comunicación insegura entre agentes y los fallos en cascada. Estas categorías sirven para estructurar el modelado de amenazas; no cuantifican la frecuencia con la que se produce cada fallo.
El contenido no fiable puede redirigir herramientas legítimas
Un agente podría leer un documento de un proveedor, un ticket de asistencia o una respuesta de una herramienta que contenga instrucciones introducidas por otra persona. Si considera que ese material es fidedigno, podría utilizar herramientas que, en otras circunstancias, serían legítimas, con fines no autorizados.
El marco de investigación AgentDojo evalúa este problema mediante tareas que implican el uso de herramientas y datos no fiables proporcionados por dichas herramientas. Ofrece un principio de evaluación útil: determinar si el agente realiza un trabajo legítimo y si mantiene las propiedades de seguridad ante un ataque. Su prueba de rendimiento original no establece la eficacia de ningún producto empresarial actual.
Incluye entradas maliciosas y engañosas en una prueba piloto. Comprueba las solicitudes reales de la herramienta y el estado resultante, incluidos los intentos que la aplicación circundante bloquea correctamente.
El acceso delegado puede ir más allá de la tarea empresarial
Una solicitud para resumir la cuenta de un cliente no implica necesariamente que se necesite autorización para exportar la base de datos de clientes. Del mismo modo, una solicitud para elaborar una recomendación sobre un proveedor no implica que se necesite autorización para modificar los datos de pago.
Aplica la autorización fuera del modelo. Comprueba la identidad, el recurso, la operación, el contexto de la tarea y cualquier aprobación necesaria antes de ejecutar la acción. La arquitectura « zero trust » del NIST establece el principio subyacente de que la ubicación en la red o la propiedad de un activo, por sí solas, no deben conferir confianza implícita. La aplicación específica de ese principio a cada agente aún requiere implementación y pruebas.
Revisa también los límites de memoria y delegación. Un segundo agente solo debe recibir la información y la autoridad que requiera su subtarea. El contexto compartido no debe convertirse, sin que nos demos cuenta, en una forma de compartir permisos sin restricciones. Para conocer consideraciones detalladas sobre la implementación, consulta «Seguridad de los agentes de IA».
¿Cómo evaluar los agentes de IA de vanguardia antes de su implementación?
Evalúa el flujo de trabajo completo en función de los resultados esperados, el cumplimiento de los permisos, la capacidad de recuperación y el esfuerzo operativo. La tabla de puntuación que figura a continuación es una herramienta de evaluación propuesta derivada de la investigación, y no un punto de referencia validado ni una norma de aceptación universal.
| Área de evaluación |
Pregunta que hay que responder |
Pruebas que hay que recabar |
| Resultados aceptados |
¿Cumple el resultado los criterios de aceptación de la empresa? |
Revisión independiente de las tareas finalizadas, fallidas y remitidas a un nivel superior |
| Fiabilidad |
¿Es reproducible el rendimiento en las distintas variantes de la tarea? |
Ejecuciones repetidas, categorías de tareas y motivos de fallo |
| Autorización |
¿Se rechazan las operaciones no permitidas fuera del modelo? |
Solicitudes denegadas y estado verificado del sistema posterior |
| Resiliencia ante ataques adversarios |
¿Qué ocurre cuando el contenido recuperado contiene instrucciones maliciosas? |
Resultados de tareas legítimas e intentos de traspasar los límites |
| Recuperación |
¿Es posible detener la ejecución y conciliar el trabajo realizado parcialmente? |
Ejercicios de revocación, cancelación, duplicación de acciones y reversión |
| Observabilidad |
¿Pueden las operaciones reconstruir la secuencia de acciones? |
Eventos relacionados con tareas, identidades, herramientas y recursos |
| Esfuerzo y coste totales |
¿Qué consume cada resultado aceptado? |
Cálculo, costes de herramientas, revisión, reintentos, reelaboración y esfuerzo operativo |
Utiliza el flujo de trabajo real como unidad de prueba
Crea un conjunto representativo de tareas con responsables designados y criterios de aceptación. Incluye casos habituales, instrucciones ambiguas, datos que faltan, denegaciones de permisos, sesiones interrumpidas e intentos de redirigir al agente.
Congela la configuración que se está evaluando: versión del modelo, instrucciones, definiciones de herramientas, permisos de los conectores, ajustes de memoria y presupuestos de ejecución. Registra cualquier intervención humana. Un resultado que haya requerido una corrección sustancial debe seguir siendo visible en el registro de la evaluación.
Compara el agente con el proceso actual y, cuando resulte útil, con una automatización más sencilla. Analiza la distribución de los resultados, en lugar de limitarte únicamente a la media. Es posible que un flujo de trabajo funcione bien en los casos habituales, pero falle en aquellos que tienen mayores consecuencias.
Establece los umbrales de aceptación antes de ver los resultados. Deja que el responsable del negocio y el responsable de seguridad acuerden qué fallos requieren un rediseño, un alcance más limitado o una decisión humana.
Calcular el coste por resultado aceptado
Un cálculo útil es dividir el coste total del proyecto piloto entre el número de resultados que cumplen los criterios de aceptación acordados. Incluye los costes de inferencia del modelo, recuperación y herramientas, revisión humana, nuevos intentos y reelaboración. Realiza un seguimiento por separado de los costes de puesta en marcha y de los costes operativos continuos para que la comparación resulte comprensible.
Por ejemplo, un primer borrador rápido puede resultar caro si un especialista tiene que dedicar mucho tiempo a corregirlo. Por el contrario, un agente que derive los casos difíciles desde el principio puede resultar muy útil si así se evita el trabajo innecesario sin perder calidad.
Utiliza datos medidos de la fase piloto. Ni el precio de una token, ni la puntuación de referencia, ni una demostración satisfactoria por sí solos pueden determinar el coste de un proceso empresarial completado.
Define las condiciones de parada antes de autorizar la ejecución
Acordar qué eventos suspenden la prueba piloto o retiran una clase de acción. Algunos ejemplos son un intento inexplicable de acceder a un nuevo destino, la falta de un registro de aprobación, un estado posterior incoherente o la imposibilidad de revocar la credencial activa.
Considera una solicitud no autorizada bloqueada como una prueba útil tanto del comportamiento del agente como de la aplicación de los controles. Investiga por qué se produjo antes de ampliar los permisos. Una única puntuación global de éxito puede ocultar esa distinción.
Un ejemplo práctico de un agente de compras
Un agente de compras puede aportar valor, mientras que la autoridad sobre los pagos y los cambios de proveedores se mantiene bajo un control independiente. El siguiente ejemplo hipotético muestra cómo relacionar la aceptación de tareas, los permisos, la revisión y el seguimiento; no describe ninguna implementación en clientes ni resultados medibles.
Aprobar una tarea de investigación concreta
Un empleado solicita al agente que compare los proveedores autorizados para una compra concreta y que prepare una solicitud de compra. La aplicación le concede acceso de lectura al catálogo de proveedores autorizados y a la política de compras correspondiente. Puede crear un borrador en un espacio de trabajo designado.
El registro de la tarea identifica al solicitante, el motivo, las fuentes permitidas, las herramientas autorizadas, el contexto del gasto y la fecha de caducidad. El agente no tiene permiso para actualizar los datos bancarios de los proveedores ni para enviar registros financieros internos al exterior.
Para que se apruebe, es necesario presentar una recomendación respaldada por la documentación homologada, una explicación clara de la información que falta y un borrador que el comprador responsable pueda verificar.
Comprobar un documento malicioso de un proveedor
Un anexo del proveedor incluye una instrucción para enviar información presupuestaria interna a una nueva dirección web antes de completar la comparación.
El resultado esperado es un rechazo o una escalación, sin que se revele ninguna información. Comprueba tanto el comportamiento del agente como la capa de aplicación: un intento de transferencia debe seguir fallando si el agente sigue la instrucción incorporada. Confirma que el destino ha sido bloqueado y que el sistema posterior no ha recibido ningún cambio no autorizado.
Comprueba también si la instrucción maliciosa persiste en el contexto de la tarea almacenada. Una solicitud posterior, aparentemente sin relación alguna, no debería heredarla como guía operativa fiable.
Aprobar y verificar la medida definitiva
El comprador revisa la solicitud propuesta, los registros de origen, la identidad del proveedor, la cantidad y las indicaciones de información que falta. La aprobación se aplica a esa acción concreta y caduca si cambian los datos del material.
Antes de crear la solicitud, la aplicación vuelve a verificar la autorización y los permisos. A continuación, registra el identificador de la solicitud y el estado resultante. Si se agota el tiempo de espera de la ejecución, el flujo de trabajo comprueba si la solicitud ya existe antes de volver a intentarlo.
De este modo, el responsable del proyecto puede evaluar las solicitudes aceptadas, revisar el esfuerzo realizado, las recomendaciones erróneas, los intentos de acciones no autorizadas, la prevención de duplicidades y las cancelaciones realizadas con éxito. Estos indicadores revelan si está justificada la ampliación de la autoridad de ejecución.
¿Cómo gestionar y supervisar a los agentes en el entorno de producción?
La gobernanza de la producción debe preservar la propiedad, establecer límites de acceso exigibles, aportar pruebas de la actividad real y contar con una vía de respuesta probada a medida que el sistema evoluciona. El resumen de la consulta sobre seguridad de los agentes realizada por el NIST en mayo de 2026 recoge un amplio consenso en cuanto a que los principios de ciberseguridad existentes siguen siendo pertinentes, pero deben adaptarse a los agentes. Fuente: Resumen de la consulta del NIST.
Asignar a cada implementación un responsable
Registra el objetivo empresarial, el responsable operativo, la configuración del modelo, los conectores, los permisos efectivos, las clases de datos y los contactos de recuperación. Mantén actualizada la información sobre la titularidad cuando un empleado abandone la empresa, cambie un proveedor o un proyecto piloto pase a ser un servicio operativo.
El NCCoE del NIST informó en septiembre de 2026 de que el desarrollo de software proporcionaría su primer caso de uso de implementación para demostrar la identificación, la autenticación y la autorización de agentes. Se trata de un proyecto en curso, y no de una certificación ya completada para agentes empresariales.
Para el proceso de inventario, utilice la guía de inventario del agente de IA. Incluya un método para identificar a la persona o al servicio que haya aprobado la delegación de autoridad, así como un método para revocarla.
Fíjate en lo que hace realmente el agente
Relacionar el identificador de la tarea con los eventos relevantes relacionados con la identidad, las herramientas, los recursos y la red. Una investigación debe poder determinar qué credencial se utilizó, qué recurso se modificó, qué autorización se aplicó y si la acción se llevó a cabo con éxito.
Conserva los eventos útiles de las aplicaciones junto con los datos independientes de la infraestructura. La explicación de un agente puede ayudar a un analista a comprender una secuencia, mientras que los registros del sistema permiten constatar los cambios observables.
Proteja la ruta de supervisión y defina quién puede modificar su configuración. Aplique controles de acceso y normas de conservación a los propios registros, ya que las solicitudes, el contenido recuperado y los resultados de las herramientas pueden contener información confidencial.
Considera los cambios como nuevas condiciones de evaluación
Vuelve a comprobar los cambios derivados en los modelos, las instrucciones, los esquemas de herramientas, los conectores, la memoria o los permisos. Registra el cambio, repite los casos de regresión y los casos adversarios pertinentes, y confirma que la aprobación y la revocación siguen funcionando.
Llevar a cabo la respuesta ante incidentes en todos los componentes. La interrupción de un proceso de agente puede dejar una acción en cola, otro proceso delegado o una credencial activa. El procedimiento de respuesta debe identificar estas dependencias, suspender el trabajo posterior y conciliar las acciones ya completadas.
Para obtener información más detallada sobre cómo proteger los sistemas y los flujos de trabajo circundantes, consulta el apartado sobre seguridad de la IA agentiva.
¿Dónde encaja « Vectra AI »?
Cuando un agente de IA accede a los sistemas de la empresa, los equipos de seguridad deben saber qué cuenta ha utilizado, a qué ha accedido y si esa actividad estaba prevista.
Vectra AILa detección y contención de ataques basados en la identidad busca indicios de uso indebido de credenciales y abuso de privilegios mediante el análisis de la actividad de las cuentas de usuario y de servicio en entornos de red y de cloud . En el caso de un agente que utilice dichas cuentas, esto puede aportar pruebas para una investigación. La cobertura depende de las cuentas, los servicios y las integraciones incluidas en la implementación.
En una evaluación, prueba un escenario concreto, como por ejemplo que la cuenta de prueba de un agente acceda a un recurso inesperado. Comprueba si la actividad es visible, si un analista puede rastrearla hasta la cuenta y el recurso, y qué medidas de respuesta están disponibles. Utiliza los propios registros de tareas y herramientas del agente para relacionar esas pruebas con el trabajo que se le había asignado.
Para evaluar tu entorno, solicita una demostración de « Vectra AI » con un flujo de trabajo de agente definido y las cuentas y servicios que utiliza.
Nota: Esta guía sintetiza los resultados de investigaciones primarias y las recomendaciones en materia de seguridad. El marco de evaluación y el ejemplo de contratación pública son orientaciones propuestas basadas en la información disponible públicamente.