El Análisis de distancia en la gobernanza de IA agentica ya es un problema de cumplimiento
Las organizaciones están otorgando a los agentes de IA la capacidad de actuar sobre datos sensibles mucho más rápido de lo que están construyendo los controles para gobernar ese acceso. Un informe de un bufete laboral, un estudio universitario, un regulador de valores, un proveedor de historiales médicos y un equipo de amenazas en la nube publicaron hallazgos con pocos días de diferencia, y juntos describen la misma distancia. La tecnología está pasando de sugerir a hacer, y la evidencia de que alguien supervisa lo que hace no avanza al mismo ritmo.
Esta publicación reúne esos hilos para quienes tendrán que responder por ello: el CISO y el Chief Compliance Officer. El argumento es sencillo. Un agente de IA que puede leer un historial médico, modificar un archivo o llamar a un modelo en la nube es una identidad con privilegios. Gobernarlo se parece mucho a gobernar cualquier otra identidad privilegiada bajo un modelo de confianza cero, con una política que limite a qué puede acceder y un registro que muestre lo que realmente hizo. El resto de este artículo recorre lo que dice la evidencia más reciente, dónde están las exposiciones y cómo se ve una posición defendible.
Conclusiones clave
1. La implementación va más rápido que la gobernanza.
Cifras de Gartner citadas por un bufete de abogados muestran que se espera un aumento pronunciado en la implementación de agentes, mientras que pocas organizaciones creen que su gobernanza es adecuada.
2. Los agentes llevan la IA del consejo a la acción.
Cuando un asistente puede actuar, la cuestión de control pasa de la calidad del resultado al acceso y la rendición de cuentas.
3. La divulgación es escasa.
Un estudio del MIT encontró que la mayoría de las empresas de IA dicen poco sobre los riesgos que generan, lo que deja a los compradores empresariales la tarea de hacer su propia diligencia.
4. Los reguladores ya ponen a prueba las afirmaciones sobre IA.
El director de cumplimiento de la SEC ha dicho que las declaraciones exageradas sobre capacidades de IA atraerán escrutinio, por lo que las afirmaciones necesitan registros que las respalden.
5. El menor privilegio es la respuesta práctica.
El propio consejo de Google sobre credenciales de IA robadas es negar todo permiso que no sea explícitamente necesario.
Lo que dice la evidencia más reciente sobre la distancia
Empecemos con los números que enmarcan el problema. El informe de Littler Mendelson sobre IA agéntica en el entorno laboral dice que la tecnología «lleva la IA en el trabajo de la recomendación a la acción». Citando la encuesta CIO y de ejecutivos de tecnología de Gartner para 2026, señala que se espera que la implementación de agentes de IA pase del 17 por ciento en 2026 a más del 60 por ciento en dos años, y que al menos el 15 por ciento de las decisiones laborales cotidianas se tomarán de forma autónoma mediante IA agéntica.
El mismo material informa que el 74 por ciento de las organizaciones espera un uso moderado de IA en dos años, mientras que solo el 13 por ciento cree tener la gobernanza adecuada. También transmite una predicción de que más del 40 por ciento de los proyectos de IA agéntica serán cancelados para finales de 2027, citando como razones el costo, el valor de negocio poco claro y controles de riesgo inadecuados. Son cifras secundarias, estadísticas de Gartner transmitidas por un bufete, así que tómalo como una tendencia. Aun así, coinciden con lo que ve un equipo de seguridad: mucho entusiasmo y poco inventario de lo que los agentes pueden alcanzar.
La distancia merece una descripción precisa. No es que las organizaciones carezcan de políticas de IA. Muchas ya las han redactado, y una buena gobernanza de datos ya exige más. El punto es que una declaración de política y un control aplicado no son lo mismo, y un auditor o regulador pregunta por lo segundo. Littler ofrece a los empleadores un marco llamado Decide, Design, Defend, que resume bien la disciplina necesaria. Decide qué puede hacer el agente. Diseña los controles que lo hagan cumplir. Defiende la decisión con registros cuando alguien la cuestione.
Confías en que tu organización es segura. Pero ¿puedes comprobarlo?
Leer ahora
Por qué un agente es una identidad privilegiada
Conviene dejar de lado la novedad y describir un agente en términos de seguridad. Un agente tiene credenciales. Se conecta a sistemas. Lee, escribe y envía. Actúa según instrucciones que puede recibir de contenido no confiable. Todas esas propiedades corresponden a una identidad privilegiada, y todos los controles que los equipos de seguridad ya aplican a esas identidades son válidos aquí. El agente necesita un alcance definido, autenticación que no se comparta, decisiones de autorización en cada solicitud y un registro que documente la acción en un registro de auditoría que puedas presentar si lo piden.
La diferencia está en la velocidad y la escala. Una persona con acceso excesivo puede causar daños lentamente. Un agente con acceso excesivo puede hacerlo en segundos y sobre miles de registros, y puede que no avise a nadie. Por eso la pregunta no es si el modelo es preciso, sino qué puede tocar el agente y si podrías reconstruir lo que hizo. La respuesta debe existir antes de un incidente, porque después la evidencia o está o no está.
También hay un problema de visibilidad de fondo. Los equipos no pueden gobernar agentes que no conocen. El primer paso operativo, y la base de cualquier programa de gobernanza de datos IA, es un inventario de qué agentes existen, a qué datos pueden acceder, quién es responsable de cada uno y qué conectores utilizan. Sin esa lista, cualquier control posterior es una suposición.
Una conexión de historiales médicos muestra la ambigüedad
Un ejemplo reciente en salud vuelve concreto lo abstracto. Athenahealth presentó una conexión llamada athenaPatient MCP, según HealthcareInfoSecurity, que permite a los pacientes autorizar a Claude de Anthropic para recuperar análisis, medicamentos, diagnósticos, alergias, inmunizaciones, procedimientos y planes de atención de sus historiales. Inicialmente está disponible para suscriptores de Claude Pro y Max en EE. UU., quienes inician sesión con sus credenciales del portal de pacientes de athenahealth. Athenahealth afirma que los pacientes pueden revocar el acceso en cualquier momento y que la información compartida solo se conserva durante la sesión.
La cuestión legal es lo interesante. La postura de Athenahealth, en sus palabras, es «Esto significa que la ley HIPAA no aplica en este caso». El abogado Jordan Cohen de Akerman LLP afirma que, en general, HIPAA deja de aplicarse una vez que los historiales llegan al paciente. Rachel Rose menciona la Texas House Bill 300 y su definición más amplia de entidad cubierta, y recomienda mantener fuera de estos sistemas las notas de psicoterapia y los registros 42 CFR Parte 2. En otras palabras, los expertos discrepan sobre si alguna protección HIPAA sigue a los datos una vez que el paciente autoriza a un asistente a extraerlos.
El artículo cita una encuesta de Pew de agosto de 2026 que indica que el 34 por ciento de los adultos en EE. UU. usó chatbots de IA para temas de salud, así que el escenario no es hipotético. Para una organización que maneja información de salud protegida, la lección no es si este conector en particular es bueno o malo. La lección es que, en cuanto registros sensibles fluyen hacia un asistente de IA por una conexión de protocolo, la respuesta a quién es responsable, qué reglas aplican y qué registro existe puede volverse difusa. Los equipos de cumplimiento deben resolver esa ambigüedad por escrito antes de que los datos se muevan, y mantener las categorías de mayor riesgo fuera del flujo hasta que lo hagan. La regla de mínimo necesario de HIPAA es una referencia útil para determinar cuántos datos debe transportar cualquier conexión.
La divulgación es escasa, así que la diligencia es tuya
Si los proveedores divulgaran claramente sus riesgos, la diligencia empresarial sería más sencilla. Un informe del MIT con datos de principios de 2026 sugiere que no lo hacen. Encontró que el 62 por ciento de las 1,000 principales empresas de IA y el 32 por ciento de las 100 principales no mencionan riesgos potenciales. Las empresas que sí divulgan solo nombran cinco categorías: discriminación, armas y ciberataques, fraude y estafas, pérdida de privacidad y devaluación de la creatividad humana.
Las empresas de finanzas y seguros reconocen un promedio de 2,9 riesgos de IA, frente a 7,1 en el sector de la información. Pocas empresas abordan los riesgos de sistemas multiagente pese a la rápida adopción empresarial. Peter Slattery, de MIT FutureTech y coautor, dijo que «por ahora tenemos muy poca transparencia al respecto». El artículo señala que la mayoría de los datos son anteriores al incidente de Hugging Face de junio, así que la foto puede haber cambiado.
La consecuencia práctica es que un comprador no puede confiar en las declaraciones públicas de riesgos de un proveedor de modelos para satisfacer a sus propios reguladores. La empresa debe construir su propio registro de cómo evaluó el riesgo, qué decidió y qué controles aplicó. Ese registro es lo que convierte una afirmación del proveedor en tu evidencia. Debe estar en tu archivo de gestión de riesgos de la cadena de suministro, junto al inventario de agentes y conectores.
Los reguladores empiezan a poner a prueba las afirmaciones
El problema de la divulgación afecta en ambos sentidos. El 30 de octubre de 2026, el director de cumplimiento de la SEC, David Woodcock, dijo a Reuters y Law360 que la agencia está monitoreando las divulgaciones corporativas sobre IA, según una publicación del Debevoise Data Blog. Dijo que el cumplimiento se centrará en empresas públicas cuyas declaraciones «puedan exagerar sus capacidades de IA», y señaló como riesgo no divulgar el uso de IA o sus riesgos en una parte clave del negocio. Citó casos anteriores contra empresas privadas por exagerar capacidades de IA y robótica, y espera investigaciones similares en empresas públicas.
Los autores de Debevoise recomiendan revisar los materiales para inversores en busca de lo que llaman AI hushing, definir con precisión las capacidades de IA y agentes, respaldar las afirmaciones de desempeño con registros y usar evaluaciones de riesgos para informar las divulgaciones. El hilo común con la distancia de gobernanza es la evidencia. Una empresa que afirma que sus agentes operan bajo controles debe poder mostrar la política, la aplicación y los registros. Una empresa que dice tener capacidades avanzadas de IA necesita registros que lo respalden. En ambos casos, una afirmación sin respaldo se convierte en un riesgo.
Esto conecta con una lección de la aplicación de la ley en otras áreas de ciberseguridad, donde la exposición suele venir de la distancia entre lo que se representó y lo que existía. La misma lógica ahora se aplica a las declaraciones sobre IA.
Credenciales de IA robadas muestran el costo de un acceso amplio
El último hilo es la ilustración más directa del costo de los permisos excesivos. Google Threat Intelligence Group y Mandiant analizaron un patrón llamado LLMjacking, en el que atacantes usan claves API robadas o endpoints de modelos expuestos para generar cargos de IA en la nube, según BleepingComputer. Algunas víctimas perdieron más de $100,000 en un día, y los cargos acumulados llegaron a $1,000,000 en algunos casos. Los atacantes venden el acceso a través de servicios que el informe llama LLM mixers, y uno, Jet Night, vende planes de acceso ilimitado por $60 al mes.
Google identifica un clúster de amenazas y una vulnerabilidad en LiteLLM, y su consejo es directo. Recomienda a las organizaciones «Denegar todos los permisos que no sean explícitamente necesarios, incluido el acceso a servicios de Cloud LLM». El daño en estos casos es fraude de facturación más que robo de contenido, así que se sitúa en la capa de identidad y credenciales. Aun así, es una demostración clara del principio. Las credenciales que pueden acceder a servicios de IA son valiosas, y cuanto más restringidas estén, menos obtiene un atacante.
Para los agentes que acceden a contenido sensible, el mismo consejo aplica con mayor urgencia. Limita cada agente a los datos y acciones mínimos necesarios, como recomiendan las estrategias de protección de datos de confianza cero, autentícalo como identidad propia y registra cada solicitud que realice.
Los marcos existentes ya alcanzan la IA
Un error común es esperar una ley específica sobre IA antes de actuar. En la práctica, varios marcos que las organizaciones ya siguen cubren el acceso a IA hoy. Las reglas de privacidad en salud regulan cómo se usa y divulga la información protegida. Los reguladores financieros han empezado a tratar la IA como parte de la gobernanza de ciberseguridad, y NYDFS Parte 500 es un ejemplo donde esa expectativa se está definiendo. Regímenes de privacidad como el GDPR ya preguntan quién procesa datos personales y sobre qué base, y un agente que procesa datos personales está sujeto a las mismas preguntas que cualquier otro encargado del tratamiento.
El punto no es que todos los marcos mencionen agentes por nombre. La mayoría no lo hace. El punto es que los deberes subyacentes son neutrales respecto a la tecnología. El deber de limitar el acceso a lo necesario, registrar el acceso y poder explicar quién vio qué aplica tanto si el actor es una persona, un script o un agente. Los equipos que mapean su inventario de agentes a los deberes que ya tienen verán que la mayoría del trabajo les resulta familiar. El elemento nuevo es el volumen y la velocidad, lo que hace que la aplicación y la evidencia automatizadas sean más importantes que cuando el trabajo lo hacía una persona.
También conviene separar dos preguntas que a menudo se confunden. La primera es si un agente puede realizar una acción, que es una cuestión de política y acceso. La segunda es si la organización puede probar después lo que ocurrió, que es una cuestión de evidencia. Los programas de gobernanza que solo responden la primera dejan expuesta a la organización cuando alguien pregunta la segunda, y el interés declarado de la SEC en respaldar afirmaciones sobre IA sugiere que la segunda pregunta llegará desde más frentes.
Qué deben hacer ahora el CISO y el CCO
Los siguientes pasos están ordenados según la rapidez con la que cada uno reduce la exposición, y ninguno requiere esperar una nueva regulación.
Empieza con un inventario. Enumera cada agente de IA, asistente y conector en uso, incluidos los que una unidad de negocio adoptó sin revisión de seguridad. Para cada uno, registra el responsable, los datos a los que puede acceder, las credenciales que utiliza y la fecha de aprobación. Esto es la base de todo lo demás.
Después, define qué puede hacer cada agente y hazlo cumplir en el punto de acceso. Una política escrita es el inicio. Una política aplicada, evaluada en cada solicitud según quién o qué la hace, qué datos están involucrados y cuál es la acción, es el control. Aplica el menor privilegio y elimina todo lo que no sea explícitamente necesario.
Luego decide a dónde pueden y no pueden ir los datos regulados. Resuelve por escrito las ambigüedades tipo HIPAA para tu contexto. Cuando los expertos discrepen sobre si la protección sigue a los datos, mantén fuera las categorías de mayor riesgo hasta que el asesor legal defina la postura.
Después, prueba si puedes reconstruir la actividad de un agente. Elige uno y pide un registro completo de a qué accedió el mes pasado, con qué credencial y bajo qué política. Si reunirlo lleva días y varios sistemas, esa es la distancia prioritaria.
Por último, revisa tus declaraciones externas. Compara lo que has dicho a inversores, clientes y reguladores sobre tus capacidades y controles de IA con los registros que los respaldan. Corrige cualquier distancia antes de que la detecte alguien más.
Hay un hábito más que conviene incorporar desde el principio. Revisa el inventario en un calendario fijo, ya sea trimestral o tras cualquier cambio relevante en el uso de agentes, y registra la revisión. El uso de agentes cambia rápido, con nuevos conectores y usos de negocio apareciendo entre auditorías. Un registro fechado de la revisión muestra que la gobernanza es un proceso vivo, y da al CISO y al Chief Compliance Officer un artefacto compartido para presentar al consejo cuando los directores pregunten cómo se está gestionando el riesgo de IA.
Una forma sencilla de probar la gobernanza de agentes
Un ejercicio útil para un equipo de seguridad o cumplimiento es elegir un solo agente, asistente o conector en uso hoy e intentar responder cinco preguntas claras sobre él. ¿Quién lo aprobó? ¿A qué datos puede acceder? ¿Bajo qué identidad actúa? ¿Qué hizo el mes pasado? ¿Y a quién llamarías si hace algo indebido? Esas son las preguntas que hará un regulador, un auditor o un responsable de incidentes, y no dependen del modelo que esté detrás del agente.
La mayoría de las organizaciones encuentra que las dos primeras respuestas salen fácil y las tres últimas no. La aprobación y el alcance suelen documentarse al inicio. La identidad, los registros de actividad y la responsabilidad se diluyen a medida que un piloto se convierte en dependencia. El material de Gartner citado por Littler anticipa que los agentes tomarán al menos el 15 por ciento de las decisiones cotidianas de forma autónoma, lo que significa que la distancia entre lo aprobado y lo que realmente ocurre se ampliará a menos que alguien se haga responsable de la cuestión. Trata el ejercicio como una comprobación recurrente y no como una auditoría puntual, y guarda las respuestas en un formato que puedas entregar a un revisor.
Cómo Kiteworks respalda el acceso gobernado a IA
La parte de este problema que implica que la IA acceda a contenido sensible, como archivos, correos electrónicos y registros, es donde la gobernanza suele fallar, porque el acceso se concede a través de una conexión fuera de los controles normales. El Kiteworks Secure MCP Server evalúa cada solicitud de agente frente a controles de acceso basados en roles y atributos, y registra la actividad de los agentes en un registro de auditoría unificado. Compliant AI aplica la gobernanza en la capa de datos, comprobando identidad autenticada, política y cifrado antes de liberar contenido, y funciona con modelos de IA compatibles con MCP. Así, el equipo de cumplimiento tiene un solo lugar donde consultar qué tocó un agente.
Esto respalda el trabajo descrito arriba y no lo sustituye. Una plataforma puede aplicar políticas y generar registros, pero el inventario de agentes, las decisiones de riesgo y las declaraciones ante reguladores siguen siendo responsabilidad de tu organización, y los evaluadores deciden si un control cumple un requisito.
Para saber más sobre cómo gobernar el acceso de IA a contenido sensible con evidencia lista para auditoría, agenda una demo personalizada hoy.
Preguntas frecuentes
Las herramientas anteriores generaban principalmente recomendaciones que una persona ejecutaba. Los agentes actúan, lo que significa que tienen credenciales y toman medidas por sí mismos. Eso traslada la cuestión de cumplimiento de si el resultado era correcto a qué podía acceder el agente y si puedes demostrar lo que hizo. Un punto de partida práctico es la guía de gobernanza de datos IA, y puedes compararla con cómo gestionas otras identidades privilegiadas.
Los expertos discrepan, y esa discrepancia es el hallazgo. Athenahealth dice que HIPAA no aplica en el caso de uso autorizado por el paciente, y un abogado de Akerman afirma que, en general, HIPAA deja de aplicarse cuando los historiales llegan al paciente. Otro abogado menciona la Texas House Bill 300 y recomienda mantener fuera las notas de psicoterapia y los registros 42 CFR Parte 2. Revisa las obligaciones de la Regla de Seguridad HIPAA que aplican a tus propios sistemas y consulta con tu asesor antes de mover datos sensibles.
Asume que tendrás que construir el registro tú mismo. Un estudio del MIT encontró que el 62 por ciento de las 1,000 principales empresas de IA no mencionan riesgos potenciales. Documenta cómo evaluaste a cada proveedor, qué decidiste y qué controles aplicaste, y guárdalo con tu archivo de terceros. El enfoque de confianza cero para IA generativa es un buen marco para esos controles.
El director de cumplimiento ha dicho que la agencia revisará declaraciones que puedan exagerar capacidades de IA y la falta de divulgación sobre el uso de IA o sus riesgos en áreas clave del negocio. El consejo legal es definir las capacidades con precisión y respaldar las afirmaciones con registros. Conserva la evidencia detrás de cada declaración externa, respaldada por un registro de auditoría de la actividad de los agentes cuando corresponda.
Aplica el menor privilegio. El consejo de Google es denegar todos los permisos que no sean explícitamente necesarios, incluido el acceso a servicios de modelos en la nube. Haz inventario de las claves y agentes en uso, limita cada uno al mínimo, rota credenciales y monitoriza el uso. Consulta la guía de privacidad de datos de IA de confianza cero para ver cómo aplicar el mismo principio al acceso a datos.
Recursos adicionales
- Artículo del Blog
Estrategias de confianza cero para una protección de privacidad de IA asequible - Artículo del Blog
Cómo el 77% de las organizaciones falla en la seguridad de datos de IA - eBook
Análisis de distancia en la gobernanza de IA: Por qué el 91% de las pequeñas empresas juega a la ruleta rusa con la seguridad de datos en 2025 - Artículo del Blog
No existe «–dangerously-skip-permissions» para tus datos - Artículo del Blog
Los reguladores ya no preguntan si tienes una política de IA. Quieren pruebas de que funciona.