La acelerada evolución de la inteligencia artificial está redefiniendo la ciberseguridad empresarial en todo el mundo. En América Latina, donde los ciberataques se han multiplicado en frecuencia y sofisticación, las organizaciones están adoptando soluciones de IA para reforzar sus defensas. Los CISOs (Chief Information Security Officers) de la región coinciden en que la IA hoy multiplica las opciones tanto para protegerse como para atacar, creando un escenario de carrera armamentista digital. Este informe explora en profundidad los nuevos campos de aplicación de la IA en ciberseguridad —desde la automatización de la defensa hasta el análisis de comportamiento y la respuesta automática— con foco en Latinoamérica y comparativas con referentes globales. También analiza cómo estas innovaciones avanzan más rápido que los marcos regulatorios vigentes, y cuál es la visión a futuro de los CISOs ante estos desarrollos.
Automatización inteligente de la defensa
La automatización de la defensa es uno de los campos más transformados por la IA. Consiste en emplear algoritmos avanzados para monitorear sistemas, identificar amenazas incipientes y actuar en tiempo real, sin intervención humana, para neutralizarlas o mitigar su impacto. Esta capacidad resulta crítica ante el volumen y velocidad de los ataques actuales. Por ejemplo, IBM lanzó servicios de detección y respuesta a amenazas potenciados por IA que pueden escalar o cerrar automáticamente hasta el 85% de las alertas en un entorno corporativo, acelerando dramáticamente los tiempos de respuesta (según datos de la compañía en 2023). Herramientas de Security Orchestration, Automation and Response (SOAR) con IA integran múltiples fuentes de datos y aplican playbooks automáticos: cuando se detecta una intrusión o anomalía conocida, el sistema ejecuta de inmediato acciones de contención (aislar un servidor, bloquear una cuenta comprometida, etc.), ahorrando minutos vitales.
En Latinoamérica, organizaciones líderes ya recorren este camino. BBVA México, por ejemplo, inauguró en 2024 un centro global de ciberseguridad en alianza con Telefónica Tech, incorporando IA y automatización de procesos para la prevención proactiva de ciberamenazas. Según informó el banco, esta infraestructura bimodal (con hubs en México y España) emplea los últimos avances en inteligencia artificial para detectar, identificar y responder amenazas en tiempo real, además de monitorear la actividad de los ciberdelincuentes de forma ininterrumpida. La capacidad de respuesta 24/7 aumentada con algoritmos permite a BBVA ofrecer «mayores garantías de seguridad» a sus 25 millones de clientes digitales, fortaleciendo su postura defensiva a escala global.
Globalmente, Microsoft también apuesta por la automatización inteligente. Su reciente plataforma Security Copilot —un asistente de seguridad impulsado por IA generativa— ayuda a los equipos a procesar señales a velocidad máquina y responder rápidamente. Microsoft reporta que su división de inteligencia de amenazas procesa 84 billones de señales al día (incluyendo 7.000 intentos de ataque de contraseñas por segundo), un volumen imposible de abarcar sin automatización. Para ello, ha desarrollado agentes de IA especializados que manejarán tareas rutinarias: un agente de triaje de phishing puede clasificar alertas y descartar falsos positivos automáticamente, mientras otro agente optimiza políticas de acceso revisando miles de eventos de identidad. Estas soluciones, que estarán en pruebas en 2025, prometen escalar las defensas cibernéticas al ritmo de las amenazas. “Escalar la seguridad con agentes de IA es imperativo para mantenerse al día con este panorama de amenazas”, resumió recientemente un vicepresidente de Microsoft al presentar estas innovaciones.
La automatización defensiva con IA ofrece beneficios tangibles: reduce la carga sobre los analistas humanos, agiliza la detección de incidentes y minimiza errores. Natal de Silva, CEO de Stefanini Cyber, ha llegado a afirmar que la IA puede reducir hasta 99% el tiempo de detección de amenazas. Si bien ese porcentaje puede variar según el entorno, ilustra el potencial de identificar en segundos lo que antes tomaba horas o días. En un contexto donde, como se detalla en el informe de Attack Recovery de este especial, “el ataque es inevitable y la clave está en la reacción rápida”, estas capacidades automatizadas se vuelven indispensables para contener daños y preparar el día después de forma efectiva.
Detección avanzada de amenazas y threat hunting
La detección de amenazas avanzadas es otro frente fortalecido por la IA. Los ataques actuales suelen eludir las defensas tradicionales mediante técnicas sigilosas: malware sin archivos, movimientos laterales encubiertos, phishing altamente personalizado, etc. Para descubrir estas amenazas ocultas, las empresas están adoptando sistemas de machine learning y modelos de comportamiento. A diferencia de las firmas o reglas estáticas, la IA puede aprender patrones normales de la red y señalizar instantáneamente desviaciones anómalas que podrían indicar intrusiones desconocidas.
Un ejemplo emblemático es la plataforma de Palo Alto Networks, cuyo motor basado en IA analiza más de 75 terabytes de datos al año provenientes de centros de operaciones de seguridad (SOC) de todo el mundo. Incluso un 0,01% de eventos mal clasificados podría significar miles de ataques sin detectar, por lo que emplean IA para elevar la precisión de los veredictos de detección. La compañía predice que para 2026 la mayoría de los ataques avanzados emplearán IA para evadir defensas, adaptándose dinámicamente. Frente a ello, los sistemas de XDR (detección y respuesta extendida) impulsados con inteligencia artificial correlacionan eventos en múltiples capas –red, endpoint, nube, identidad– para armar el rompecabezas de señales débiles que un analista humano difícilmente conectaría a tiempo. Esta convergencia de datos de código a la nube, pasando por el SOC, habilita análisis unificados que antes eran inviables, tal como se explora en el informe sobre seguridad Multicloud de este especial.
El threat hunting (caza de amenazas) potenciado por IA lleva la detección un paso más allá, pasando de lo reactivo a lo proactivo. Los hunters utilizan algoritmos para explorar proactivamente los sistemas en busca de indicios de intrusiones que hayan podido pasar desapercibidas. Herramientas con IA generativa permiten hacer consultas en lenguaje natural sobre enormes volúmenes de logs y obtener respuestas inmediatas, facilitando a los analistas identificar patrones sospechosos. Un cazador tradicional podría plantear una hipótesis (“¿estará operando un malware dormido en nuestra red?”) y la IA ayuda a verificarla analizando millones de eventos en minutos. Google Cloud, tras la adquisición de Mandiant, lanzó en 2023 su Security AI Workbench con un modelo especializado (Sec-PaLM) que asiste en estas tareas: puede resumir inteligencia de amenazas reciente, buscar similitudes con incidentes globales y hasta generar recomendaciones de remediación. En América Latina, grandes empresas comienzan a apoyarse en estas capacidades. Petrobras, la petrolera brasileña, por ejemplo, intensificó el uso de soluciones de IA de Microsoft no solo para proteger la integridad de sus datos industriales, sino también para vigilar en tiempo real la seguridad de sus operaciones costa afuera, identificando condiciones anómalas que pudieran preceder un incidente.
La eficacia de la IA en la detección se refleja en cifras. Mercado Libre, líder del comercio electrónico regional, emplea IA/ML para combatir fraude y actividades maliciosas en su plataforma. Según su reporte de transparencia, en solo seis meses de 2023 apenas el 0,74% de las más de 614 millones de publicaciones tuvo que ser eliminada por infringir normas, gracias a sistemas que escanean 5.000 variables en menos de un segundo para identificar listados sospechosos. De todo ese contenido removido, un 98% fue detectado automáticamente por algoritmos que “aprenden” de patrones previos, moderando el sitio casi sin intervención humana. Además, por cada denuncia manual de un usuario, el sistema logra eliminar otras ocho publicaciones irregulares de forma proactiva, demostrando una capacidad de escalar la detección mucho más allá de los medios tradicionales. Si trasladamos esta efectividad al ámbito de ciberamenazas, podemos imaginar SOCs corporativos donde la IA filtre y priorice eventos con similar contundencia, permitiendo que los analistas se enfoquen en la minoría de incidentes realmente complejos.
Análisis de comportamiento y gestión de identidades
El análisis de comportamiento impulsado por IA se ha convertido en un pilar para descubrir amenazas internas y ataques sofisticados. También conocido como UEBA (User and Entity Behavior Analytics), este enfoque crea líneas base de actividad “normal” para usuarios, dispositivos y cuentas, detectando rápidamente desviaciones que podrían indicar compromisos. En América Latina, donde muchas brechas provienen de credenciales robadas o mal uso interno, la aplicación de IA para vigilar comportamientos ha ganado tracción en bancos, telecomunicaciones y grandes retailers. Por ejemplo, sistemas de biometría conductual analizan cómo cada usuario teclea, mueve el mouse o interactúa con sistemas, de modo que si un atacante logra credenciales de un empleado, su forma de comportarse delatará que no es el usuario legítimo. Varias entidades financieras latinoamericanas ya combinan estas tecnologías con autenticación multifactor para reforzar su modelo Zero Trust —un tema que conecta con el debate de seguridad perimetral vs multicloud profundizado en otro informe de este especial.
En el campo de la gestión de identidades y accesos (IAM), la IA está revolucionando procesos que antes eran manuales y propensos a error. Plataformas modernas, como la de SailPoint con su suite de identidad impulsada por IA, automatizan la administración de accesos de usuarios, descubriendo cuentas o privilegios anómalos y corrigiéndolos antes de que supongan un riesgo. Esto es especialmente útil en grandes corporaciones latinoamericanas donde un empleado puede acumular decenas de roles y permisos en distintos sistemas. La IA puede revisar esos patrones de acceso en minutos y detectar, por ejemplo, que un usuario de recursos humanos no debería tener permisos de administrador de servidor, sugiriendo revocarlos. Microsoft también integró IA en su solución de identidad Entra: un nuevo agente inteligente de seguridad monitoriza en tiempo real los intentos de acceso y las configuraciones de políticas condicionales, alertando sobre gaps de seguridad (como un nuevo aplicativo que quedó sin MFA habilitado) y recomendando ajustes de forma automática. Esto convierte la gestión de identidades en un proceso más dinámico y adaptativo, crucial en un entorno donde las brechas por credenciales comprometidas siguen siendo comunes.
Los bancos latinoamericanos han sido pioneros en adoptar IA en este rubro, dados sus altos requerimientos de seguridad. Itaú Unibanco, uno de los mayores bancos de la región, ha manifestado que su transformación digital “se basa principalmente en los datos y la Inteligencia Artificial”. Si bien gran parte de esa estrategia apunta a mejorar productos y experiencia del cliente, también aplica para robustecer la seguridad de sus canales digitales: las soluciones de IA les permiten verificar que el dispositivo usado por el cliente es confiable y autenticar al usuario con análisis en segundo plano, reduciendo drásticamente la incidencia de fraudes. De igual modo, BBVA y otros bancos incorporan análisis de comportamiento en sus plataformas: si un cliente que usualmente opera desde México de pronto inicia sesión desde otro país y realiza movimientos inusuales, los sistemas inteligentes pueden desafiar la sesión (pidiendo pasos extra de verificación) o incluso bloquear preventivamente la cuenta, evitando potenciales robos antes de que ocurran. Según expertos de Capgemini, integrar IA en la gestión de accesos permite procesar grandes volúmenes de datos de logueos en minutos para detectar estos patrones, algo inviable con métodos tradicionales.
Cumplimiento normativo automatizado
La creciente carga de compliance en ciberseguridad –desde normativas de protección de datos, estándares financieros (como PCI DSS) hasta regulaciones sectoriales– ha abierto otro campo de aplicación para la IA: el cumplimiento automatizado. Las empresas manejan hoy una maraña de políticas y controles que deben monitorear constantemente para no incurrir en sanciones. La IA está agilizando ese trabajo pesado, identificando desviaciones y hasta sugiriendo remediaciones para estar al día con los requisitos legales y de la compañía.
Un caso evidente es el de la prevención de lavado de dinero (AML) en bancos, parte fundamental del compliance financiero. Tradicionalmente, los sistemas AML basados en reglas generaban muchísimas alertas falsas y podían dejar pasar operaciones sospechosas novedosas. Ahora, algoritmos de aprendizaje automático analizan transacciones en busca de patrones complejos y relaciones ocultas que indiquen lavado, adaptándose conforme los criminales cambian de táctica. Esto ha mejorado notablemente la eficacia. De hecho, McKinsey reporta que reemplazar las herramientas clásicas por soluciones con IA puede mejorar hasta un 40% la detección de actividades financieras ilícitas, reduciendo sustancialmente los falsos positivos. En América Latina, donde los bancos enfrentan multas crecientes por fallas en prevenir delitos financieros, esta precisión añadida es estratégica. La IA asigna scores de riesgo dinámicos a clientes y transacciones, cruzando historiales, listas negras y comportamientos típicos, lo que permite a los equipos de cumplimiento enfocar su atención en verdaderas señales de alerta. Como resultado, varias instituciones han logrado disminuir costos operativos en áreas de cumplimiento al necesitar menos analistas revisando alertas irrelevantes, sin comprometer la vigilancia regulatoria.
Otro aspecto del compliance automatizado es la verificación continua de configuraciones y procesos. En entornos de nube híbrida, por ejemplo, la IA puede auditar miles of configuraciones contra mejores prácticas de seguridad y normativas (como la ISO 27001 o leyes locales de datos personales) de forma constante. Si detecta que un servidor en la nube pública quedó expuesto o que un repositorio contiene datos sensibles sin cifrar, genera alertas antes de que esas fallas deriven en brechas o violaciones regulatorias. Herramientas de Google Cloud ya ofrecen este tipo de monitoreo inteligente de postura de seguridad, indicando a los equipos qué correcciones priorizar para cumplir con estándares. Asimismo, en el frente documental, los algoritmos generativos están empezando a emplearse para agilizar la elaboración de reportes de cumplimiento: por ejemplo, redactando borradores de informes de auditoría a partir de los registros de actividades, lo que los responsables luego revisan. Esto no solo ahorra tiempo, sino que reduce la probabilidad de omitir detalles importantes.
En Latinoamérica, los sectores más regulados —finanzas, energía, telecomunicaciones— son los primeros en volcarse a estas soluciones de compliance con IA. Petrobras, además de proteger su operación, debe cumplir estrictas normas de seguridad industrial y ambiental; herramientas inteligentes le ayudan a monitorear en tiempo real parámetros críticos en plataformas y oleoductos para asegurar que operan dentro de rangos seguros, anticipando incidentes que pudieran violar regulaciones. Del mismo modo, empresas de retail que manejan millones de datos de clientes en la región se apoyan en IA para garantizar que las prácticas de protección de datos sean homogéneas y efectivas en todos los países, aun cuando las legislaciones varían. Aunque no reemplaza la responsabilidad humana, la IA actúa como un auditor incansable que revisa todo el ecosistema tecnológico segundo a segundo, brindando una capa extra de confianza de que la empresa cumple con sus obligaciones.
Casos destacados en LatAm
- BBVA México – Implementa IA y automatización en su nuevo Centro de Ciberseguridad (en alianza con Telefónica) para monitorizar y responder amenazas en sus 25 países, reforzando la protección de clientes en tiempo real.
- Mercado Libre – Emplea algoritmos de IA/ML para combatir fraudes en su plataforma: 98% de los intentos de estafa o publicaciones prohibidas son detectados y removidos automáticamente antes de afectar a los usuarios.
- Petrobras – Intensificó el uso de IA junto a Microsoft para asegurar sus operaciones críticas: analiza datos de campo e infraestructuras OT en busca de anomalías, protegiendo tanto la seguridad digital como la física de sus trabajadores.
- Itaú Unibanco – Apuesta por soluciones de IA en ciberseguridad y fraude; integra analítica avanzada para validar identidades de clientes, vigilar transacciones sospechosas y garantizar altos estándares de seguridad en sus canales digitales.
Orquestación y respuesta autónoma
El punto culminante de la integración de IA en ciberseguridad es la orquestación y respuesta automática ante incidentes. Aquí confluyen todas las capacidades previas —detección avanzada, análisis de contexto, automatización— para permitir que el sistema no solo alerte, sino que actúe coordinadamente frente a una amenaza. En una arquitectura tradicional, ante una brecha detectada, un analista debía manualmente aislar sistemas afectados, bloquear IPs maliciosas, borrar malware y luego iniciar el proceso de remediación. Con IA, gran parte de ese ciclo puede ejecutarse de manera autónoma en segundos.
Las soluciones de Incident Response con IA aplican playbooks predefinidos pero adaptativos. Por ejemplo, si se identifica un ransomware en una estación de trabajo, la plataforma automáticamente puede desconectarla de la red, intentar detener el proceso malicioso, recuperar archivos cifrados de las copias de seguridad más recientes y simultáneamente buscar huellas del mismo ataque en otros equipos. Todo eso, antes de que el equipo de seguridad siquiera abra la alerta. Esta velocidad de respuesta es crucial para ataques como ransomware, donde cada minuto cuenta para evitar la propagación. Algunos fabricantes globales, como Cisco o Palo Alto Networks, han incorporado IA generativa en sus centros de operaciones: el sistema aprende de cada incidente resuelto y puede explicar a los operadores las acciones que tomó y por qué, facilitando la confianza en la automatización. Así, la orquestación se vuelve inteligente, no solo ejecutando recetas fijas, sino tomando decisiones informadas por datos contextuales (qué tipo de activo está bajo ataque, qué valor tiene para el negocio, qué tácticas están empleando los atacantes, etc.).
Un avance notable en 2024 ha sido la aparición de AI copilots para respuesta. Microsoft anunció agentes de Security Copilot capaces de encargarse de tareas completas: uno se especializa en responder a incidentes de phishing, otro en gestionar vulnerabilidades (aplicando patches de forma priorizada), otro en recopilar inteligencia de amenazas relevante para un incidente en curso. En la práctica, esto significa que al ocurrir un incidente, estos asistentes digitales colaboran con el CISO y su equipo, manejando la carga operativa y permitiendo a los expertos concentrarse en decisiones estratégicas. IBM, por su parte, integró IA en sus servicios gestionados para que los analistas cuenten con sugerencias en tiempo real de acciones de contención o puedan delegar en la IA la resolución de alertas rutinarias. Esta sinergia humano-máquina está demostrando ser más efectiva que cualquiera de las partes por separado: IBM destaca que combinando inteligencia artificial con la experiencia humana sus clientes logran aumentar la resiliencia y manejar incluso amenazas futuras con mayor solidez. En resumen, la respuesta automática orquestada por IA promete reducir drásticamente el dwell time (tiempo que un atacante permanece sin ser expulsado) y el response time (tiempo hasta erradicar la amenaza), dos métricas clave que determinan el impacto final de un ataque.
Regulación rezagada y visión de futuro de los CISOs
A medida que la IA impulsa estos nuevos campos de ciberseguridad, surge un desafío paralelo: los desarrollos están evolucionando más rápido que los marcos regulatorios. En América Latina, ningún país cuenta aún con una ley integral de Inteligencia Artificial aplicada, aunque hay avances incipientes (Brasil, por ejemplo, discute un proyecto de ley de IA desde 2023). La mayoría de las regulaciones vigentes son indirectas —leyes de protección de datos, normas de ciberseguridad financiera, estándares internacionales— que no contemplan explícitamente el rol de la IA. Esto genera vacíos e incertidumbres. Muchos CISOs se preguntan: ¿cómo cumplir con principios de privacidad cuando la IA analiza datos sensibles para detectar fraudes? ¿Qué responsabilidad legal tiene una empresa si su algoritmo automatizado toma una decisión errónea de seguridad? ¿Se pueden auditar y explicar los insights de la IA para fines de cumplimiento? La ética y la transparencia algorítmica se vuelven cruciales. De hecho, el 90% de los líderes de TI en Latinoamérica reconocen la importancia de la IA ética y con rendición de cuentas (según encuestas de IBM), reflejando una preocupación por no dejar que la tecnología avance sin controles. Sin embargo, la realidad es que la innovación va adelante: según un estudio de Sherlock Communications, 63% de los consumidores latinoamericanos cree que el crecimiento de la IA aumentará el riesgo de fraude de datos, mostrando desconfianza y presión por contar con garantías. Los reguladores tendrán que acelerar el paso para establecer lineamientos claros sobre el uso de IA en ciberseguridad, equilibrando la necesidad de protección con la de fomentar la innovación.
Los CISOs de la región miran al futuro inmediato con una mezcla de optimismo y cautela. Saben que la IA se ha vuelto un aliado indispensable para manejar la escala y complejidad de las amenazas actuales. Muchos planean aumentar inversión en estas tecnologías: la tendencia indica que áreas como análisis de comportamiento, automatización de SOC y herramientas predictivas de riesgo figuran entre las prioridades presupuestarias de 2025. Al mismo tiempo, están conscientes de que los atacantes también aprovechan la IA —ya se observan campañas de phishing profundamente personalizadas con texto generado por IA, malware que usa algoritmos evolutivos para mutar y evadir detección, e incluso el surgimiento de herramientas de deepfakes para engañar sistemas biométricos. Esta realidad, como bien señalan, convierte la ciberseguridad en un duelo de inteligencias artificiales.
Para prepararse, los CISOs promueven una estrategia integral: adoptar IA pero sin bajar la guardia. Recomiendan profesionalizar al máximo los equipos y fomentar la capacitación continua en estas nuevas tecnologías (un 38% de las empresas latinas ya planea entrenar a su personal en IA, según informes). Asimismo, enfatizan la importancia de compartir información entre pares. Si un banco sufre un nuevo tipo de ataque potenciado por IA, esa experiencia temprana debe socializarse rápidamente en la comunidad de ciberseguridad para que otros ajusten sus defensas (algo que también se alinea con fortalecer los ecosistemas de inteligencia compartida, tema relacionado con el riesgo de terceros abordado en otro artículo del especial). Los CISOs proyectan que, en unos pocos años, veremos centros de operación completamente “autónomos” manejando el día a día de la seguridad, mientras los humanos se enfocan en estrategia, arquitectura y supervisión de la IA. Pero para llegar allí de forma segura, insisten en la necesidad de gobernanza: establecer políticas internas claras sobre qué decisiones puede tomar una IA y cuáles requieren aprobación humana, auditar periódicamente los modelos para evitar sesgos o fallos, y mantener siempre un plan B manual en caso de que la automatización falle.
La inteligencia artificial está abriendo nuevos campos de desarrollo en la ciberseguridad empresarial, brindando herramientas sin precedentes para anticipar, bloquear y responder amenazas. América Latina, con sus empresas punteras como Mercado Libre, BBVA, Petrobras, Itaú y otras, está aprovechando esta ola tecnológica para cerrar brechas históricas y situarse a la par de referentes globales como IBM, Google Cloud, Microsoft o Palo Alto Networks en la adopción de ciberdefensas de última generación. Los resultados iniciales son prometedores —más eficiencia, menos incidentes, reacciones instantáneas— pero el camino viene acompañado de retos en regulación, ética y talento. La visión a futuro de los responsables de seguridad converge en un punto: la IA no es una moda pasajera sino un componente permanente de la ciberseguridad, que seguirá evolucionando vertiginosamente. Mantener el equilibrio entre aprovechar sus ventajas y controlar sus riesgos será la clave. Y aunque las normas tarden en alcanzarla, la colaboración activa entre industria, gobierno y academia será esencial para que esta revolución de IA en ciberseguridad nos lleve, en última instancia, a un entorno digital más seguro y confiable en toda la región.