Skip to content

Cómo se usa la inteligencia artificial en ciberseguridad: usos reales, datos y riesgos

9 de abril de 2025
photo of laser lines in man s face
Contenido
  1. Detección de amenazas y anomalías
  2. Ayuda a los analistas: resumir, priorizar y responder
  3. Encontrar vulnerabilidades antes que los atacantes
  4. Identidad y fraude: dónde se juega la mayoría de los ataques
  5. El otro lado: cómo usan la IA los atacantes
  6. Usos de la IA en ciberseguridad: resumen con ejemplos
  7. Marcos de referencia: NIST y CISA
  8. Qué puede hacer una pyme o un usuario con esto
  9. Preguntas frecuentes
  10. Lecturas relacionadas

La inteligencia artificial en ciberseguridad se usa hoy, sobre todo, para cuatro tareas: detectar comportamientos anómalos en volúmenes de datos que ningún equipo humano podría revisar, resumir y priorizar alertas para que los analistas respondan antes, encontrar vulnerabilidades en el software antes que los atacantes y vigilar el robo de identidades. Los atacantes usan la misma tecnología: ENISA recoge que, a comienzos de 2025, más del 80 % de la actividad de ingeniería social observada ya tenía apoyo de IA, según un informe de la industria.

En pocas palabras

  • Costo: IBM calcula en su informe de 2026 que una filtración de datos cuesta de media 4,99 millones de dólares, y 1,93 millones menos en las organizaciones que usan mucha IA y automatización en seguridad.
  • Escala: Microsoft dice que procesa más de 165 billones de señales al día y que analiza 31 millones de detecciones de riesgo de identidad en un día promedio.
  • Vulnerabilidades: el agente Big Sleep de Google encontró en 2024 un fallo explotable en SQLite antes de que llegara a una versión oficial.
  • Ataques: ENISA analizó 4.875 incidentes entre julio de 2024 y junio de 2025. El phishing fue la vía de entrada en cerca del 60 % de los casos.
  • Marcos de referencia: NIST (AI RMF y perfil de IA generativa) y CISA (hoja de ruta de IA) son las guías públicas más usadas para gestionar estos riesgos.

Método: análisis documental basado en informes de ENISA, NIST, CISA, IBM, Microsoft y Google, consultados el 21 de octubre de 2026.

Contenido del artículo

    Detección de amenazas y anomalías

    Es el uso más antiguo y extendido. Un sistema de aprendizaje automático aprende cómo se comporta una red, un usuario o un servidor en condiciones normales y avisa cuando algo se sale del patrón: un inicio de sesión desde otro país a las 3 de la mañana, una cuenta que de pronto descarga miles de archivos, un equipo que se conecta a un servidor desconocido.

    La razón es el volumen. Según el Microsoft Digital Defense Report 2026, la empresa procesa más de 165 billones de señales al día y analiza 31 millones de detecciones de riesgo de identidad en un día promedio. Esa cantidad solo se puede filtrar con modelos automáticos. Las personas revisan lo que el modelo marca como sospechoso.

    Ayuda a los analistas: resumir, priorizar y responder

    La IA generativa sumó un uso nuevo: el asistente del analista. En lugar de leer cientos de registros, el analista pide un resumen del incidente, una explicación de un script sospechoso o un borrador del informe. Microsoft afirma que las organizaciones que usan Security Copilot resumen amenazas entre un 60 % y un 70 % más rápido. Es un dato que reportan sus propios clientes, no una medición independiente.

    El impacto económico aparece en el Cost of a Data Breach Report 2026 de IBM y Ponemon Institute: el costo medio global de una filtración subió a 4,99 millones de dólares, un 12 % más que el año anterior. En las organizaciones que usan IA y automatización de forma extensa en seguridad, el costo fue 1,93 millones de dólares menor que en las que no las usan.

    Encontrar vulnerabilidades antes que los atacantes

    Otro uso que avanza rápido es dejar que agentes de IA revisen código en busca de fallos. El caso más citado es el de Big Sleep, de Google Project Zero. Según el blog de Project Zero, en octubre de 2024 el agente encontró en SQLite, un motor de base de datos muy usado, un desbordamiento de búfer explotable. Se reportó y se corrigió el mismo día, antes de que el código llegara a una versión oficial, así que ningún usuario se vio afectado. Google lo presentó como el primer ejemplo público de un agente de IA que encuentra un fallo de memoria explotable y desconocido en software real.

    Identidad y fraude: dónde se juega la mayoría de los ataques

    Robar una contraseña sigue siendo más fácil que romper un sistema. El informe de Microsoft señala que el 52,2 % de las intrusiones con cuentas válidas incluyeron después más robo de credenciales, y que entre el 89 % y el 95 % de los adjuntos de phishing por correo llevaban a un intento de robo de credenciales. La IA ayuda a detectar inicios de sesión de riesgo, pero Microsoft insiste en lo básico: autenticación multifactor resistente al phishing y llaves de acceso (passkeys).

    Consejo

    Si tu banco, tu correo o tus redes ofrecen llaves de acceso (passkeys), actívalas. Microsoft las pone, junto con la autenticación multifactor resistente al phishing, entre las mejores protecciones contra el robo de credenciales.

    El otro lado: cómo usan la IA los atacantes

    El ENISA Threat Landscape 2025 (versión 1.3, septiembre de 2026) describe varios usos maliciosos:

    • Phishing más creíble: los modelos de lenguaje redactan correos sin errores y adaptados a la víctima. ENISA cita un informe de KnowBe4 según el cual más del 80 % de los correos de phishing identificados entre septiembre de 2024 y febrero de 2025 usaban IA en alguna medida.
    • Suplantación por voz y video: los deepfakes se usan para llamadas de vishing y fraudes en los que el atacante se hace pasar por un contacto de confianza.
    • Modelos «liberados»: grupos criminales usan modelos con jailbreak o reentrenados, como WormGPT o FraudGPT, para automatizar la ingeniería social. ENISA destaca que desde 2025 han aparecido sistemas de IA maliciosos independientes.
    • La IA como cebo: sitios falsos que imitan herramientas de IA, como DeepSeek o Kling AI, distribuyen malware, y hay ransomware disfrazado de instalador de IA.
    • Cadena de suministro: modelos y paquetes de Python envenenados, y ataques como «Rules File Backdoor», que esconde instrucciones maliciosas en la configuración de asistentes de programación.

    IBM registra un aumento del 56 % en los ataques impulsados por IA, encabezados por suplantaciones con deepfakes y malware con IA. Microsoft documenta una extensión de navegador maliciosa con más de 600.000 instalaciones que robaba historiales de conversaciones de ChatGPT y DeepSeek, y que afectó a casi 10.000 organizaciones.

    Usos de la IA en ciberseguridad: resumen con ejemplos

    Uso Qué hace Ejemplo documentado
    Detección de anomalías Filtra señales y marca lo que se sale del patrón Microsoft: más de 165 billones de señales al día
    Asistente del analista Resume incidentes y prioriza alertas Security Copilot: resúmenes entre un 60 % y un 70 % más rápidos (dato del fabricante)
    Búsqueda de vulnerabilidades Revisa código y encuentra fallos explotables Big Sleep y el fallo en SQLite (2024)
    Protección de identidad Detecta inicios de sesión y credenciales de riesgo Microsoft: 31 millones de detecciones de riesgo de identidad al día
    Reducción del impacto Automatiza contención y respuesta IBM: 1,93 millones de dólares menos por filtración con uso extenso de IA

    Marcos de referencia: NIST y CISA

    Quien quiera usar IA en seguridad, o proteger la IA que ya usa, tiene guías públicas y gratuitas:

    • NIST AI RMF 1.0: publicado el 26 de enero de 2023. Organiza la gestión de riesgos de la IA en cuatro funciones: gobernar, mapear, medir y gestionar. NIST indica que está en revisión.
    • Perfil de IA generativa (NIST AI 600-1): publicado el 26 de julio de 2024. Adapta el marco a los riesgos propios de los modelos generativos.
    • Hoja de ruta de IA de CISA: la agencia de ciberseguridad de Estados Unidos define cinco líneas de trabajo. Incluyen usar herramientas con IA en su propia defensa, promover la adopción segura desde el diseño y evaluar las amenazas de la IA contra infraestructuras críticas.
    • NIST CSF 2.0: el marco general de ciberseguridad de NIST, publicado en 2024, sirve de base para ordenar cualquier programa de seguridad, con IA o sin ella.

    Limitaciones

    Muchas cifras sobre la eficacia de la IA en seguridad vienen de los propios fabricantes o de encuestas a sus clientes. Úsalas como referencia, no como garantía. La IA también se equivoca: genera falsos positivos, se le escapan ataques nuevos y, si se integra mal, ENISA advierte de que abre una superficie de ataque nueva.

    Qué puede hacer una pyme o un usuario con esto

    • Activa la autenticación multifactor resistente al phishing o las llaves de acceso en correo, banca y redes.
    • Desconfía de la urgencia en llamadas, audios o videos que piden dinero o datos, aunque la voz suene conocida. Confirma por otro canal.
    • Descarga herramientas de IA solo de sus sitios oficiales y revisa las extensiones del navegador que tienen acceso a tus pestañas.
    • Haz un inventario de qué herramientas de IA usa tu equipo y qué datos se les pasan.

    Preguntas frecuentes

    ¿La IA reemplaza a los analistas de ciberseguridad?

    No. Filtra y resume, pero las decisiones de contención, las investigaciones y la responsabilidad siguen siendo humanas.

    ¿Cuánto ahorra usar IA en seguridad?

    IBM estima que las organizaciones con uso extenso de IA y automatización en seguridad tuvieron filtraciones 1,93 millones de dólares más baratas que las que no las usan (informe de 2026). Es un promedio global; en cada empresa varía mucho.

    ¿Cómo detecto un correo de phishing escrito con IA?

    La ortografía ya no sirve como pista. Fíjate en el contexto: urgencia, pedidos de dinero o credenciales, enlaces que no coinciden con el dominio real o cambios en datos bancarios. Ante la duda, verifica por otro canal.

    ¿Qué es un deepfake de voz y cómo me protejo?

    Es un audio generado con IA que imita la voz de una persona. ENISA lo menciona en fraudes por llamada. La protección más simple es acordar con tu familia o tu equipo una palabra o una pregunta de verificación y devolver la llamada a un número conocido.

    Lecturas relacionadas

    Fuentes

    Consultadas el 21 de octubre de 2026.