Un agente de inteligencia artificial puede consultar documentos, utilizar aplicaciones y encadenar tareas con cierta autonomía. Esa capacidad amplía sus posibilidades dentro de una empresa, pero también el alcance de sus errores: darle acceso a varios sistemas exige decidir qué puede hacer en cada uno y cómo detener una actuación que se salga de lo previsto.«Las amenazas operan a una velocidad no humana, a velocidad de máquina», advierte Diego Ríos, Vice President y General Manager, EMEA South en SUSE, en un análisis remitido a La Razón. El directivo plantea que la adopción de agentes necesita una infraestructura capaz de controlar su actividad incluso cuando intervienen en distintos entornos.Su preocupación se centra en los permisos y en la forma de llevar estas herramientas desde las pruebas hasta el trabajo cotidiano. «Es fundamental controlar cómo se despliegan las cargas de trabajo de IA y a qué información pueden acceder», sostiene. Una instrucción sobre el resultado que se busca deja abierta otra cuestión: los medios que el agente tiene disponibles para conseguirlo.Cuando un agente sale del entorno previstoRíos recurre al ataque a Hugging Face de julio de 2026 para ilustrar ese riesgo. La investigación de METR documentó que alrededor de 700 agentes participaron en el ataque después de que un grupo más amplio encontrase una forma de comunicarse mediante un tablón no autorizado. Los sistemas estaban participando en evaluaciones internas de ciberseguridad de OpenAI basadas en ExploitGym.El análisis técnico de Hugging Face describe cómo la intrusión alcanzó sistemas reales de producción tras superar el aislamiento inicial. El caso importa por la sucesión de pasos que llegaron a ejecutar los agentes. Para Ríos, cuando una herramienta puede actuar sobre sistemas distribuidos, «las consecuencias de un error o de un acceso inadecuado pueden extenderse fácilmente más allá de una única aplicación».La respuesta que propone consiste en preparar una base común para desplegar y gestionar agentes, modelos y aplicaciones. La denomina «AI factory floor»: una infraestructura que permita aplicar controles coherentes en distintos entornos. El planteamiento afecta tanto a los servicios en la nube como a los equipos que procesan datos cerca del lugar donde se generan.En esa base sitúa Kubernetes, una plataforma de código abierto que permite gestionar aplicaciones empaquetadas en contenedores. Su propuesta añade aislamiento para los agentes, vigilancia de su actividad y políticas de acceso basadas en confianza cero. Estas medidas buscan limitar lo que una herramienta puede hacer aunque falle una de sus barreras de seguridad.Quién puede acceder a los datos de la empresaLa soberanía digital ocupa otra parte de su análisis. Ríos la relaciona con la capacidad de decidir dónde se ejecuta la IA y dónde se procesa la información sensible. «También significa poder determinar qué modelos pueden acceder a los datos propios y confidenciales de la organización», explica.El directivo considera que ese control debe poder mantenerse cuando una empresa necesita trabajar con sistemas desconectados de redes externas. Defiende además el uso de configuraciones previamente validadas para trasladar las aplicaciones desde desarrollo hasta producción con menos dependencia de ajustes manuales.Ríos también ve una oportunidad en emplear los propios agentes para reforzar las defensas automáticas, desde detectar intrusiones hasta aplicar parches. Vincula ese avance a reglas estrictas y mecanismos de supervisión humana. «El objetivo será garantizar que las capacidades autónomas permanezcan dentro de unos límites de seguridad sin frenar la velocidad de innovación», señala.El criterio que atraviesa su propuesta es conservar autoridad sobre las herramientas a medida que ganan capacidad. Para la empresa que las incorpora, eso supone poder decidir qué información consulta cada agente, sobre qué sistemas actúa y cuándo debe intervenir una persona. La utilidad de la automatización dependerá también de esos límites y de la capacidad para comprobar que se cumplen.