Proofpoint, compañía especializada a nivel mundial en ciberseguridad humana y de agentes, ha presentado Proofpoint Agentic Data and AI Security, un sistema creado para abordar la protección de la inteligencia artificial y los datos como un riesgo único e interconectado. La solución permite a las organizaciones desplegar agentes de IA de manera segura, garantizando que accedan únicamente a la información necesaria según su finalidad. Además, convierte las políticas empresariales existentes en controles aplicables en tiempo real e identifica de forma continua nuevos riesgos derivados tanto de la actividad de las personas como de las acciones autónomas de la IA.
Los agentes de inteligencia artificial tienen actualmente capacidad para localizar, consultar, modificar y utilizar información confidencial a una escala que supera cualquier proceso de supervisión manual. Mientras las herramientas de IA pueden determinar la intención de un agente, pero no siempre controlar a qué datos accede, las soluciones centradas en los datos pueden identificar información sensible sin comprender la finalidad de la actividad del agente. Esta separación puede dejar importantes riesgos sin detectar, por lo que la protección independiente de la IA y de los datos resulta insuficiente ante el crecimiento de estas interacciones.
La necesidad de supervisión también se extiende a otros ámbitos más allá de la protección frente a la pérdida de información. Los agentes de IA pueden conectarse con sistemas empresariales, participar en procesos de decisión y ejecutar operaciones, generando posibles riesgos financieros, operativos, regulatorios y de seguridad. Según el informe “Panorama de riesgos relacionados con la IA y los humanos 2026” de Proofpoint, el 87% de las organizaciones ha avanzado con sus asistentes de IA más allá de la fase piloto, mientras que el 52% no confía plenamente en que sus controles sean capaces de detectar una vulneración. Ante este escenario, los equipos de seguridad necesitan establecer y supervisar el comportamiento de los sistemas de IA en tiempo real.
“No se puede proteger la IA sin proteger los datos sobre los que actúa, ni se pueden proteger los datos sin entender cómo los utiliza la IA”, afirma Mayank Choudhary, vicepresidente ejecutivo y gerente general del grupo de seguridad y gobernanza de datos de Proofpoint. “La intención y el acceso son dos caras de la misma moneda. Protegerlos por separado hace que se pierda un contexto crítico. Reunir las protecciones de la IA en tiempo de ejecución y la gobernanza de datos de la IA proporciona a las organizaciones ese contexto y la capacidad de actuar frente al riesgo a la velocidad a la que se mueve actualmente la IA”.
Un sistema agéntico para la IA
El sistema agéntico razona a nivel de agente, utilizando el mismo contexto de identidad, acceso y datos que ya protege los datos de más de 14.000 empresas en la actualidad. Este sistema se ha construido sobre Proofpoint Knowledge Graph, que constituye la base y conecta la actividad de la IA con la sensibilidad de los datos, la identidad, el acceso, el comportamiento y la intención mediante modelos Nexus.
Sobre esta base, tres nuevos agentes trabajan a partir de una única comprensión compartida del riesgo, en vez de tres comprensiones parciales:
- Detección sin intervención: el agente de detección considera la intención y el acceso como una única señal, poniendo de relieve el puñado de acciones que importan en lugar de la avalancha de anomalías que las herramientas tradicionales no dejan de generar.
- Investigación instantánea: el agente de investigación reconstruye automáticamente lo ocurrido a partir de los datos, la identidad y el comportamiento, convirtiendo en minutos una investigación que antes requería días de correlación manual.
- Optimización de la protección: el agente de remediación convierte esa comprensión en acción, desde la remediación del acceso hasta la optimización de las políticas de DLP, con intervención humana para la gobernanza.
Profundizar en la seguridad de la IA en tiempo de ejecución: convertir la intención empresarial en controles de IA en tiempo de ejecución
Las organizaciones necesitan hacer cumplir las reglas que ya han establecido sobre cómo debe comportarse la IA y detectar los riesgos para los que nunca pensaron en redactar una regla.
Proofpoint Semantic Business Policies traducen los requisitos de gobernanza existentes en controles de LA IA que se hacen cumplir continuamente. Una organización puede tomar una regla ya escrita en su código de conducta, como prohibir las interacciones con contenido relacionado con los juegos de azar, y expresarla en lenguaje sencillo: “No permitir interacciones con contenido relacionado con los juegos de azar”.
Proofpoint interpreta la intención que subyace a la política, identifica los sistemas capaces de aplicarla y genera los controles en tiempo de ejecución para hacerla cumplir automáticamente. Combinadas con Proofpoint Intent-Based Access Control, estas políticas evalúan el comportamiento de la IA en función tanto de los requisitos empresariales como del propósito previsto de un agente, ya sea que un empleado actúe mediante un asistente de IA o que un agente autónomo actúe en su nombre a la velocidad de la IA.
Detectar los riesgos que las empresas aún no han definido
Agentic Insights emplea agentes autónomos de razonamiento para analizar las interacciones de la IA, el uso de herramientas, las decisiones sobre políticas y los patrones de comportamiento con el fin de descubrir riesgos emergentes. Cuando se valida un riesgo, Proofpoint puede recomendar una Semantic Business Policy para regular un comportamiento similar, convirtiendo la nueva inteligencia en una protección que se puede hacer cumplir.
En los flujos de trabajo de seguridad de la IA y de los datos, las capacidades de detección, investigación y remediación diseñadas específicamente para este fin convierten el contexto conectado en acción autónoma, mientras que Semantic Business Policies y Agentic Insights siguen el ritmo de los riesgos que la organización aún no ha definido. En conjunto, priorizan el riesgo real, aceleran las investigaciones mediante señales de datos, de identidad, de acceso y de comportamiento, y reducen la exposición mediante acciones como la remediación del acceso, la optimización de las políticas de DLP y controles en tiempo de ejecución que se pueden hacer cumplir para reducir el trabajo manual a medida que aumenta la actividad de la IA.
“Las organizaciones han dedicado décadas a definir cómo deben operar sus empresas”, explica Ryan Kalember, director de estrategia de Proofpoint. “El desafío ahora es conseguir que esas reglas se puedan hacer cumplir a medida que la IA asume tareas de mayor trascendencia. La intención empresarial debe convertirse en parte del propio control de seguridad, con la capacidad de identificar nuevos riesgos y adaptarse a medida que evoluciona el comportamiento de la IA”.
