La seguridad de la IA empresarial no opera como una sola disciplina, sino como varios entornos distintos con fallas, dueños e impactos diferentes, según Ofer Klein, CEO y cofundador de Reco. El problema, sostiene, es que el riesgo se desplaza ahora por conexiones entre identidad, datos, permisos, flujos de trabajo e infraestructura.
Klein divide ese mapa en tres frentes. El primero es la IA de fuerza laboral, integrada en herramientas que los empleados ya usan, como plataformas de colaboración, suites de productividad, CRM, automatización de flujos y aplicaciones SaaS con IA. Ahí, el riesgo aparece cuando un asistente hereda privilegios del usuario y procesa contenido sensible en un nuevo contexto.
En ese punto, los controles de acceso tradicionales pueden quedarse cortos. Un usuario puede estar autorizado para ver cierta información, pero la conexión con una herramienta de IA, un permiso OAuth o un flujo de agentes puede alterar la exposición real. Klein pone ejemplos como un usuario de finanzas que conecta un asistente a hojas de cálculo, contratos y registros de compras, o un equipo comercial que usa IA para generar actualizaciones desde notas de CRM y transcripciones de llamadas.
El segundo frente es la IA orientada al cliente. Aquí entran bots de soporte, asistentes virtuales y portales que responden preguntas, consultan documentación, llaman a interfaces de programación de aplicaciones, abren tickets o actualizan registros. El punto de quiebre, dice Klein, es la frontera de confianza: cuando estos sistemas se conectan con sistemas internos o flujos de producto, pasan a formar parte de la superficie de ataque.
En este entorno aparecen fallas distintas, como inyección de instrucciones, jailbreaks, abuso de recuperación, fugas entre clientes, respuestas inseguras y manipulación de llamadas a herramientas. Un asistente de soporte conectado a datos de cuentas puede exponer información sensible, mientras que una función de búsqueda generativa atada a documentación interna puede mostrar material restringido.
El tercer frente es la IA de ingeniería, donde se construyen, entrenan, despliegan y operan los sistemas. Allí la IA vive en cuadernos de trabajo, datos de entrenamiento, registros de modelos, vectores, bases de datos vectoriales, tuberías, asistentes de programación, entornos de despliegue y interfaces de programación de modelos. La exposición aparece cuando esas piezas se conectan mal: credenciales en un cuaderno, datos sensibles llevados a un entorno incorrecto o código inseguro introducido por un asistente.
Klein advierte que el impacto empresarial puede llegar después: retrasos en lanzamientos, exposición regulatoria, vulnerabilidades, filtraciones, costos de respuesta a incidentes o pérdida de confianza del cliente. Por eso dice que una sola iniciativa de seguridad puede coordinar esfuerzos, pero no tratar todo el riesgo de IA como si fuera el mismo problema operativo.
La lectura para las empresas es clara: la IA no solo acelera productividad, también reordena quién toca qué dato, con qué permiso y bajo qué control. Si las reglas no están definidas antes del incidente, el mercado no castiga la intención; castiga la falla operativa.
Capital busca reglas claras. En IA, eso significa gobernanza verificable, dueños responsables y control real sobre el flujo de datos. Cuando el aparato corporativo adopta estas herramientas sin disciplina, el riesgo deja de ser tecnológico y se vuelve costo de negocio.
