Una IA ejecutó un ataque de ransomware de principio a fin. Y lo hizo de forma autónoma.

Agente de inteligencia artificial autónomo ejecutando procesos en red digital

Durante años, detrás de cada ataque de ransomware hubo una persona.

Alguien eligió el objetivo, construyó o compró el acceso, ejecutó las herramientas y exigió el pago. El crimen cibernético, por sofisticado que fuera, siempre tuvo un operador humano detrás.

Eso acaba de cambiar.

En julio de 2026, investigadores de seguridad documentaron por primera vez un caso donde un agente de inteligencia artificial ejecutó un ataque de ransomware completo, de principio a fin, sin que ninguna persona estuviera al teclado entre el momento del acceso y el daño causado. Sin instrucciones adicionales. Sin supervisión humana. Solo el agente, tomando decisiones en tiempo real.

El caso fue bautizado como JADEPUFFER, y lo que hace importante documentarlo no es solo lo que ocurrió, sino lo que revela sobre hacia dónde se dirige esta amenaza.

¿Qué hizo exactamente este agente?

Para entender la dimensión de lo que ocurrió, vale la pena recorrer lo que el agente hizo de forma autónoma.

Primero, encontró una vulnerabilidad conocida en una plataforma de automatización con inteligencia artificial expuesta a internet. La vulnerabilidad tenía solución disponible desde meses antes, pero el sistema no había sido actualizado.

Desde ahí, el agente recopiló credenciales almacenadas en el sistema comprometido, incluyendo claves de servicios en la nube. Utilizó esas credenciales para moverse hacia otros sistemas internos. Cuando encontró un servidor con las credenciales de acceso predeterminadas que nunca habían sido cambiadas, simplemente entró.

Luego escaló privilegios, implantó un punto de acceso persistente para mantener el control, cifró más de 1,300 registros de configuración críticos, eliminó los originales y dejó una nota de rescate.

Todo el proceso, desde el primer acceso hasta el daño final, fue ejecutado por el agente sin intervención humana. Cuando algo no funcionaba, el agente lo diagnosticaba y lo corregía solo. En un momento, cuando un proceso falló por un error en el formato de datos, el agente identificó la causa, reescribió su propio código para corregirlo y continuó. Todo en aproximadamente 31 segundos.

Lo que esto cambia para quienes defienden

Uno de los pilares tradicionales de la ciberseguridad es la detección por indicadores conocidos. Los sistemas de seguridad aprenden a reconocer herramientas maliciosas, direcciones de red sospechosas, patrones de código que ya han sido vistos antes.

JADEPUFFER no dejó casi ninguno de esos indicadores.

Cada instrucción que el agente ejecutó fue generada en el momento, específicamente para ese ataque. No hubo archivos descargados con firmas identificables. No hubo infraestructura reutilizable. El agente improvisó cada componente en tiempo real, lo que significa que los sistemas diseñados para bloquear amenazas conocidas tenían poco que detectar.

Lo que sí dejó rastro fue el comportamiento. El proceso de descifrado iniciado desde una plataforma que normalmente no hace ese tipo de operaciones. Las conexiones salientes en intervalos fijos. La modificación masiva de tablas de configuración seguida de su eliminación.

Ese cambio, de detectar herramientas a detectar comportamientos, es uno de los ajustes más importantes que este tipo de amenaza exige en la estrategia de seguridad.

Lo que falló y por qué igual importa

El ataque tuvo una falla importante: el agente no logró completar el proceso de extorsión. La llave de cifrado fue generada pero nunca guardada correctamente, lo que significa que los datos cifrados no hubieran podido recuperarse, aunque alguien hubiera pagado el rescate. La dirección de pago que dejó en la nota no era real.

Técnicamente, el ataque no fue rentable para quien lo ejecutó.

Pero ese detalle no reduce la relevancia de lo que ocurrió. La intrusión funcionó de principio a fin. El agente accedió, se movió dentro de los sistemas, escaló privilegios, cifró datos y borró los originales. Todo eso funcionó. Solo falló la capa de monetización, y esa es una capa que mejora con el tiempo.

Las vulnerabilidades que el agente aprovechó no eran nuevas

Hay un detalle que merece atención especial, porque cambia la conversación sobre qué tipo de organizaciones están expuestas a este riesgo.

El agente no utilizó vulnerabilidades desconocidas ni técnicas de ataque exóticas. Todo lo que aprovechó era conocido, documentado y tenía solución disponible: una vulnerabilidad en una plataforma sin actualizar, credenciales predeterminadas que nunca habían sido cambiadas, una llave de firma que llevaba tiempo sin rotar.

Lo que cambió no fue la sofisticación del ataque. Lo que cambió fue la velocidad y la autonomía con la que se encadenaron esas debilidades conocidas.

Eso significa que las organizaciones con mayor exposición no son necesariamente las más grandes o las más visibles. Son las que tienen sistemas sin actualizar, credenciales predeterminadas activas y plataformas de automatización con acceso amplio y poca supervisión.

Lo que esto implica para cualquier organización

Este caso no es una señal de que los ataques autónomos van a reemplazar mañana todas las formas de cibercrimen conocidas. Es una señal de que esa transición ya comenzó, y de que el tiempo disponible para cerrar las brechas más básicas se está comprimiendo.

La respuesta no requiere transformar toda la estrategia de seguridad de un día para otro. Requiere priorizar con claridad: mantener los sistemas actualizados, eliminar credenciales predeterminadas, reducir los permisos de acceso de las plataformas de automatización y fortalecer la capacidad de detectar comportamientos anómalos, no solo amenazas conocidas.

Contar con vendors especializados que integren inteligencia de amenazas actualizada y capacidad de detección basada en comportamiento es lo que permite a las organizaciones anticiparse a este tipo de evolución antes de que sea tarde.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram, Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

La mesa de servicio como herramienta de prevención: más allá de cerrar tickets.

Gestión de incidencias y tickets en una mesa de servicio de TI

Hay un momento que los equipos de TI conocen muy bien.

El mismo usuario reporta el mismo problema por tercera vez en el mes. El equipo lo resuelve, cierra el ticket y sigue adelante. Nadie pregunta por qué sigue ocurriendo.

Ese ciclo, tan cotidiano y aparentemente inofensivo, es exactamente donde se pierde información valiosa sobre lo que está pasando en la infraestructura.

Los tickets no son solo solicitudes de soporte. Son datos. Y cuando nadie los analiza como tal, la mesa de servicio opera resolviendo síntomas mientras el problema de fondo sigue creciendo.

Lo que un ticket dice y lo que no dice

Cada vez que un usuario reporta una incidencia, está describiendo el efecto de algo. Una aplicación que tarda demasiado, una conexión que falla intermitentemente, un acceso que dejó de funcionar sin razón aparente.

El equipo de soporte resuelve el efecto. Restablece el acceso, reinicia el servicio, escala al área correspondiente. El ticket se cierra y el indicador de cumplimiento de SLA queda en verde.

Pero el origen del problema, en muchos casos, no se investiga. Y si nadie lo investiga, el mismo efecto volverá a aparecer. La semana que viene, el mes que viene, o en el peor momento posible.

La diferencia entre una mesa de servicio reactiva y una proactiva está precisamente ahí. No en la velocidad con la que cierra tickets, sino en la capacidad de reconocer cuándo varios tickets están contando la misma historia.

Los patrones que nadie está leyendo

Cuando se analizan las incidencias en conjunto, y no de forma aislada, empiezan a aparecer patrones que de otra manera serían invisibles.

Un incremento sostenido en tickets relacionados con la lentitud de una aplicación puede estar señalando un problema de capacidad en el servidor que la aloja. Una oleada de reportes de accesos fallidos en un área específica puede anticipar un problema de directorio activo antes de que afecte a toda la organización. Un aumento en incidencias de hardware en equipos de cierta antigüedad puede indicar que es momento de planear una renovación, no de seguir reparando.

Estas señales están ahí, en los datos que genera la mesa de servicio todos los días. El reto es tener la visibilidad y las herramientas para leerlas antes de que se conviertan en interrupciones mayores.

El costo de no verlo a tiempo

Cuando un problema de infraestructura no se detecta a tiempo, las consecuencias van más allá del ticket.

Una interrupción no planeada afecta la operación de toda la organización, no solo del usuario que la reportó. Genera retrabajo, consume tiempo del equipo técnico, impacta la percepción del área de TI y, en algunos casos, tiene consecuencias directas en la continuidad del negocio.

El costo de prevenir es casi siempre menor que el costo de remediar. Pero prevenir requiere visibilidad, y la visibilidad requiere que los datos que genera la mesa de servicio se usen como lo que son: inteligencia operativa.

De resolver tickets a gestionar problemas

Existe una distinción importante en el marco ITIL entre la gestión de incidencias y la gestión de problemas.

La gestión de incidencias busca restablecer el servicio lo más rápido posible. La gestión de problemas busca identificar y eliminar la causa raíz de las incidencias recurrentes. Las dos son necesarias, pero muchas organizaciones solo tienen activa la primera.

Activar la segunda no requiere empezar desde cero. Requiere mirar de forma diferente los datos que ya se están generando, identificar los patrones y escalar hacia las áreas correspondientes con evidencia concreta, no con suposiciones.

Plataformas especializadas en gestión de servicios de TI como Proactivanet están diseñadas precisamente para conectar esos puntos, permitiendo a los equipos identificar incidencias recurrentes, agrupar tickets relacionados y escalar hacia la causa raíz con la información necesaria para resolverla de fondo.

Pero más allá de las herramientas, el principio es el mismo para cualquier organización: una mesa de servicio que solo cierra tickets está dejando escapar la información más valiosa que tiene.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

6 mil millones de ataques en un mes. ¿Qué nos dice eso sobre el panorama actual?

Explotación de vulnerabilidades en aplicaciones web 2026

Marzo de 2026 quedó registrado como un mes histórico en el mundo de la ciberseguridad. Durante esas cuatro semanas, los sistemas de protección de aplicaciones web bloquearon más de 6 mil millones de intentos de explotación de vulnerabilidades. En un solo mes.

Para ponerlo en perspectiva: los ataques bloqueados durante todo el primer trimestre de 2026 ya representan el 60% de todo lo que se bloqueó a lo largo de todo 2025. Y 2025 ya había sido un año récord.

¿Qué está pasando exactamente? ¿Y por qué importa para cualquier organización que tenga presencia digital?

El problema ya no es solo la cantidad de ataques

Cuando hablamos de ciberseguridad, es fácil quedar atrapados en los números grandes. Millones de ataques, miles de millones de intentos, porcentajes de crecimiento que parecen sacados de un reporte financiero récord.

Pero el dato más relevante no es cuántos ataques están ocurriendo. Es qué tipo de ataques están creciendo más, y qué dice eso sobre cómo operan los atacantes hoy.

Según el análisis de tendencias del primer trimestre de 2026 publicado por Radware, partner estratégico de Nova, la explotación de vulnerabilidades representa casi el 62% de toda la actividad maliciosa bloqueada en aplicaciones web y APIs. Es la categoría dominante, y sigue creciendo.

Eso significa que los atacantes no están lanzando ataques genéricos al azar. Están buscando activamente puntos débiles específicos en los sistemas, vulnerabilidades conocidas que no han sido corregidas, configuraciones incorrectas, APIs expuestas sin los controles adecuados. Y cuando las encuentran, las explotan de forma sistemática y a gran escala.

¿Por qué las vulnerabilidades son tan difíciles de gestionar?

Aquí está el punto que muchas organizaciones no tienen claro todavía.

Descubrir que un sistema tiene una vulnerabilidad no es lo difícil. Lo difícil es corregirla a tiempo, antes de que alguien la encuentre y la aproveche. Y ese tiempo, la ventana entre que se descubre una vulnerabilidad y se parchea, se está reduciendo de forma dramática.

Los atacantes hoy tienen acceso a herramientas automatizadas que escanean internet constantemente en busca de sistemas vulnerables. Cuando se publica una vulnerabilidad nueva, el tiempo que pasa antes de que alguien intente explotarla puede ser de horas, no de días ni de semanas.

Las organizaciones que gestionan sus parches de forma manual, con ciclos mensuales o trimestrales, están operando con una lógica que ya no corresponde a la velocidad del problema.

Lo que está cambiando en la forma de atacar

Hay otro elemento en los datos del Q1 2026 que merece atención. Los ataques más frecuentes siguen siendo los más pequeños, los que pasan por debajo del radar de los sistemas de detección tradicionales. El 93% de los ataques Web DDoS registrados en este período estuvieron por debajo de los 100,000 requests por segundo.

Eso no es casualidad. Es una estrategia deliberada. Los atacantes saben que los sistemas de seguridad configurados para detectar picos grandes de tráfico no necesariamente van a identificar un volumen constante de actividad maliciosa que se mantiene por debajo de los umbrales de alerta.

La combinación de ataques pequeños y persistentes con la explotación activa de vulnerabilidades específicas es lo que hace que el panorama actual sea más difícil de manejar que el de años anteriores, donde los ataques grandes y ruidosos eran más fáciles de identificar y bloquear.

Lo que esto implica para tu organización

La pregunta que vale la pena hacerse no es si tu organización tiene vulnerabilidades. Todas las tienen. La pregunta es cuánto tiempo pasan expuestas antes de ser corregidas, y si tienes visibilidad suficiente para saber cuáles son las más críticas.

Una estrategia de seguridad madura no depende únicamente de tener buenas herramientas de protección. Depende también de tener procesos que permitan identificar y priorizar vulnerabilidades de forma continua, no en ciclos largos que dejan ventanas de exposición innecesariamente amplias.

En Nova acompañamos a las organizaciones en ese proceso, con soluciones que permiten tener visibilidad real sobre el estado de seguridad de sus sistemas y responder antes de que una vulnerabilidad se convierta en un incidente.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

Zero Trust: cuando confiar en tu propia red se convierte en el mayor riesgo.

Modelo de seguridad Zero Trust: verificación continua de accesos en entornos híbridos y multinube

Durante décadas, la seguridad corporativa operó bajo una lógica simple: todo lo que estaba dentro de la red era confiable; todo lo que venía de afuera era sospechoso. Ese modelo funcionó bien cuando la oficina era el único lugar de trabajo, los datos vivían en servidores locales y las aplicaciones no se conectaban entre sí de formas complejas.

Ese mundo ya no existe.

Hoy los empleados trabajan desde casa, desde aeropuertos y desde redes que la organización no controla. Los datos viven en múltiples nubes. Las aplicaciones se integran con servicios externos. Y los atacantes aprendieron hace tiempo que el camino más fácil para entrar a una organización no es romper el perímetro; es encontrar a alguien con acceso legítimo y usar sus credenciales.

En ese contexto, confiar en algo solo porque está dentro de la red ya no es una política de seguridad. Es un riesgo.

¿Qué es realmente el modelo de seguridad Zero Trust?

El modelo de seguridad Zero Trust parte de una premisa muy concreta: nunca confíes, siempre verifica. No importa si la solicitud viene de dentro o de fuera de la red, de un dispositivo corporativo o personal, de un empleado o de un sistema automatizado; cada acceso debe verificarse antes de ser permitido.

Esto no significa desconfiar de las personas. Significa que la confianza no puede ser un estado permanente que se otorga una vez y no se revisa. En un entorno donde las amenazas evolucionan constantemente y las credenciales pueden ser comprometidas sin que nadie lo sepa de inmediato, la verificación continua es la única forma de mantener el control real sobre quién accede a qué.

Zero Trust no es un producto que se instala ni una tecnología específica que se compra. Es un modelo de pensamiento que transforma la forma en que una organización diseña, opera y mide su seguridad.

¿Por qué el perímetro tradicional ya no es suficiente?

El modelo de seguridad tradicional fue diseñado para proteger un perímetro claro: la red corporativa. Todo lo que estaba dentro era confiable por definición; todo lo que venía de afuera pasaba por controles estrictos.

El problema es que ese perímetro se disolvió. Las organizaciones migraron aplicaciones a la nube, adoptaron herramientas SaaS, habilitaron el trabajo remoto y conectaron sus sistemas con proveedores y partners externos. El resultado es un entorno donde los datos fluyen constantemente fuera de los límites tradicionales y donde la identidad de un usuario o dispositivo puede ser comprometida sin que los controles perimetrales lo detecten.

Un atacante que obtiene las credenciales de un empleado puede moverse dentro de la red con los mismos privilegios que ese empleado; sin romper nada, sin activar alertas volumétricas, sin dejar las huellas que los sistemas tradicionales están diseñados para detectar.

Eso es exactamente lo que el modelo de seguridad Zero Trust está diseñado para contener.

Los tres principios que sostienen Zero Trust

Aunque su implementación varía según cada organización, el modelo de seguridad Zero Trust se sostiene sobre tres principios fundamentales.

El primero es la verificación explícita: cada solicitud de acceso se autentica y autoriza de forma continua, considerando la identidad del usuario, el estado del dispositivo, la ubicación, el momento del día y el contexto de la solicitud. No basta con haber iniciado sesión correctamente una vez.

El segundo es el acceso con mínimo privilegio: cada usuario, dispositivo o sistema recibe únicamente el acceso estrictamente necesario para realizar su función. Nada más. Eso limita el daño potencial si una credencial es comprometida.

El tercero es la asunción de brecha: el modelo parte del supuesto de que una intrusión ya puede haber ocurrido o puede ocurrir en cualquier momento. Eso obliga a diseñar controles que contengan el daño y limiten el movimiento lateral dentro del entorno, en lugar de apostar todo a que el atacante no entre.

¿Cómo se aplica en entornos híbridos y multinube?

Uno de los mayores retos para implementar el modelo de seguridad Zero Trust en organizaciones de LATAM es la complejidad de los entornos actuales. La mayoría de las organizaciones no operan en un solo entorno; tienen infraestructura local, aplicaciones en la nube, herramientas SaaS y usuarios distribuidos geográficamente.

En ese contexto, Zero Trust requiere visibilidad unificada sobre todos esos entornos; la capacidad de aplicar políticas de acceso consistentes independientemente de dónde estén el usuario, el dispositivo o la aplicación; y mecanismos de detección que funcionen en tiempo real sin depender de perímetros fijos.

Palo Alto Networks ha desarrollado una plataforma diseñada específicamente para este escenario. Su arquitectura Prisma Access permite extender los principios de Zero Trust a entornos híbridos y multinube, aplicando verificación continua, segmentación de acceso y visibilidad centralizada desde una sola plataforma; independientemente de si el usuario está en la oficina, en casa o en cualquier otro lugar.

Lo que cambia para la organización

Adoptar el modelo de seguridad Zero Trust no es un proyecto de tecnología; es una transformación en la forma en que la organización piensa y gestiona el acceso a sus recursos más críticos.

Las organizaciones que operan bajo este modelo tienen una ventaja concreta: cuando ocurre un incidente, el radio de impacto es significativamente menor. El movimiento lateral del atacante está limitado por los controles de mínimo privilegio. La detección es más rápida porque cualquier comportamiento fuera del patrón normal activa una revisión. Y la evidencia para responder al incidente está disponible porque cada acceso fue registrado y verificado.

En un entorno donde las amenazas evolucionan constantemente y los perímetros tradicionales ya no definen el límite de lo que se debe proteger, el modelo de seguridad Zero Trust ofrece un marco claro para gestionar el acceso, reducir la exposición y mantener el control sobre los activos más críticos de la organización.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

Modernización del Service Desk: cuando el soporte técnico se convierte en ventaja competitiva.

Modernización del Service Desk

Hay un síntoma que muchos líderes de TI reconocen, pero pocos nombran directamente: los empleados prefieren resolver sus problemas técnicos solos antes de abrir un ticket. Buscan en Google, preguntan a un compañero, reinician el equipo tres veces; todo antes de contactar al área de soporte.

Cuando eso ocurre con frecuencia, no es un problema de actitud del usuario: es una señal de que el Service Desk genera más fricción de la que resuelve.

Y esa fricción tiene un costo real para la operación, aunque nadie lo esté midiendo.

Qué significa realmente modernizar el Service Desk

La modernización del Service Desk no es cambiar de herramienta ni migrar los tickets a una nueva plataforma. Es repensar el modelo completo: ¿cómo se relaciona TI con el resto de la organización?, ¿Qué experiencia vive el usuario cuando necesita ayuda? y ¿Qué información genera el área de soporte para tomar mejores decisiones?

Un Service Desk tradicional opera en modo reactivo: espera que llegue el problema, lo registra, lo asigna y lo cierra. El ciclo se repite; las métricas se centran en la velocidad de respuesta y en el volumen de tickets resueltos.

Un Service Desk moderno opera de forma diferente. No solo resuelve; anticipa. No solo mide velocidad; mide impacto. Y no solo atiende usuarios; genera inteligencia sobre los problemas recurrentes que están afectando la productividad de la organización.

Esa diferencia no es cosmética. Es estratégica.

El cambio más importante: de medir tiempos a medir experiencia

Durante años, el indicador estrella del Service Desk fue el SLA: el tiempo acordado para resolver una incidencia. Si el ticket se cerró dentro del plazo, el servicio fue exitoso.

El problema es que un ticket cerrado a tiempo no necesariamente significa que el usuario quedó satisfecho, que el problema no volvió a ocurrir o que el área de TI aprendió algo útil del incidente.

La modernización del Service Desk implica incorporar una nueva capa de medición: la experiencia del usuario. No solo qué tan rápido se resolvió, sino qué tan fácil fue el proceso, si el usuario tuvo que contactar varias veces por el mismo problema y si la solución fue definitiva o temporal.

Ese cambio de perspectiva, de medir tiempos a medir experiencia, transforma la forma en que el área de TI entiende su propio desempeño y la forma en que la dirección percibe el valor que genera.

El autoservicio como indicador de madurez

Uno de los elementos que mejor refleja la madurez de un Service Desk moderno es la capacidad de autoservicio, no como una forma de reducir el trabajo del equipo de soporte, sino como una señal de que los usuarios tienen acceso a información clara, procesos simples y herramientas que realmente funcionan.

Un portal de autoservicio bien diseñado permite que los usuarios resuelvan solicitudes frecuentes sin depender del equipo de TI: reiniciar contraseñas, solicitar accesos, consultar el estado de sus tickets o encontrar respuestas a preguntas comunes. Esto libera al equipo de soporte para enfocarse en los problemas que realmente requieren intervención técnica especializada.

Cuando el autoservicio funciona bien, los indicadores cambian: baja el volumen de tickets simples, sube la satisfacción del usuario y el equipo de TI opera con mayor enfoque. Cuando no funciona, el portal se convierte en otro paso burocrático que los usuarios evitan.

La IA como copiloto del Service Desk

La inteligencia artificial está cambiando la forma en que operan los Service Desks modernos. No como un reemplazo del equipo humano, sino como un copiloto que ayuda a procesar volumen, identificar patrones y anticipar problemas antes de que escalen.

Los casos de uso más concretos son la clasificación automática de tickets por tipo y prioridad; las sugerencias de solución basadas en casos anteriores similares; la detección de incidencias recurrentes que apuntan a un problema de fondo no resuelto; y los asistentes conversacionales que guían al usuario en el primer contacto, antes de escalar al equipo técnico.

Lo relevante no es la tecnología en sí, sino lo que permite: que el equipo de soporte dedique su tiempo a lo que realmente requiere criterio humano, mientras la IA maneja el volumen y la rutina.

Lo que cambia para la organización

Cuando el Service Desk evoluciona, cambia la conversación que TI tiene con el resto de la organización.

El área de soporte deja de ser percibida como un centro de costos que resuelve problemas y empieza a ser reconocida como una función que genera datos, reduce fricciones operativas y contribuye directamente a la productividad del negocio.

Los reportes dejan de ser listas de tickets cerrados y se convierten en análisis de tendencias: qué tipos de problemas concentran más impacto, qué áreas de la organización tienen mayor dependencia del soporte técnico y qué inversiones podrían reducir el volumen de incidencias de forma estructural.

Proactivanet es una de las plataformas diseñadas específicamente para acompañar esta evolución: desde la estructuración de procesos con base en ITIL hasta la incorporación de capacidades de autoservicio, automatización e inteligencia operativa que permiten al Service Desk operar como una función estratégica, no solo técnica.

La modernización del Service Desk no es un proyecto de tecnología; es una decisión sobre cómo quiere operar el área de TI y qué valor quiere demostrar ante la organización.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

Ataques a aplicaciones web y APIs: la amenaza que ya opera en el corazón de tu negocio

Ataques a aplicaciones web y APIs

Durante años, la conversación sobre ciberseguridad giró alrededor de la red. Firewalls, perímetros, tráfico entrante y saliente. Esa visión no está equivocada, pero está incompleta.

Los datos más recientes del panorama global de amenazas revelan algo que los equipos de seguridad ya están sintiendo en su operación diaria: los ataques a aplicaciones web y APIs se han convertido en el principal frente de actividad del cibercrimen moderno, no como una proyección futura, sino como una realidad que lleva varios trimestres acelerando y que en 2026 sigue ganando terreno.

Entender qué está pasando en esta capa, por qué los enfoques tradicionales no son suficientes y qué implica para la operación de cualquier organización en LATAM es hoy, una conversación obligada para cualquier líder de TI o seguridad.

Ataques a aplicaciones web y APIs: los números que explican la tendencia

El volumen de transacciones maliciosas dirigidas a aplicaciones web y APIs creció 128% en 2025 comparado con el año anterior. Pero lo más revelador no es el número total sino el ritmo al que se aceleró durante el año.

La actividad registrada en los primeros seis meses de 2025 ya equivalía al 87% de todo lo registrado durante 2024. Y el segundo semestre creció otro 63% sobre el primero. En el cuarto trimestre de 2025 se mitigaron más de tres veces los ataques del mismo período del año anterior.

Ese patrón de aceleración sostenida es la señal más importante. No estamos ante un pico puntual, estamos ante una tendencia estructural que sigue activa y que las organizaciones que no han ajustado su postura de seguridad ya están enfrentando en tiempo real.

Por qué los ataques a aplicaciones web y APIs son diferentes

Los ataques volumétricos como los DDoS buscan saturar la infraestructura con tráfico masivo, son visibles, ruidosos y relativamente predecibles en su forma de operar.

Los ataques a aplicaciones web y APIs funcionan de forma distinta. Apuntan a la lógica del negocio, a los procesos que las aplicaciones ejecutan, a los datos que las APIs exponen y a los flujos de autenticación que protegen las cuentas de usuarios.

En 2025, la explotación de vulnerabilidades se consolidó como la categoría dominante de ataque en esta capa, representando el 41.8% de toda la actividad maliciosa. Esto indica que los atacantes están dejando atrás los vectores más predecibles como el SQL injection, cuya participación cayó a la mitad, para enfocarse en fallas más complejas y evasivas que los sistemas tradicionales de detección tienen más dificultad para identificar.

El declive del SQL injection no es una buena noticia, es una señal de que los adversarios están migrando hacia métodos más sofisticados que atacan la lógica de negocio y las APIs no gestionadas, como puntos de entrada prioritarios.

Los bots maliciosos: el motor silencioso detrás de los ataques a aplicaciones web y APIs

Detrás de gran parte de esta actividad hay un componente que muchas organizaciones subestiman: los bots maliciosos. En 2025 las transacciones de bots maliciosos crecieron 91.8%, casi duplicando el volumen del año anterior.

Esto no son scripts simples que lanzan solicitudes repetitivas; son redes coordinadas de bots que ejecutan reconocimiento, prueban credenciales, manipulan inventarios, realizan scraping de datos sensibles y preparan el terreno para ataques más complejos, como la toma de control de cuentas.

La región de América Latina no es ajena a esta tendencia. La participación de la región en el tráfico global de bots maliciosos creció de 13.4% a 15.2% en 2025. Un incremento que refleja que los actores de amenaza están ampliando su alcance geográfico y que las organizaciones en LATAM están cada vez más en el radar.

Lo que esto implica para las organizaciones en 2026

La buena noticia es que esta tendencia no es invisible ni imposible de gestionar. Los datos disponibles permiten entender exactamente dónde se están concentrando los riesgos y qué tipo de controles hacen diferencia real.

Las organizaciones que están respondiendo mejor a este panorama comparten algunas características: tienen visibilidad sobre el tráfico que llega a sus aplicaciones y APIs, no solo sobre el tráfico de red. Pueden distinguir entre tráfico legítimo y automatizado malicioso usando análisis de comportamiento, no solo firmas estáticas, y tienen procesos de remediación que no dependen únicamente de esperar a que se publique un parche, sino que pueden actuar sobre la exposición mientras la solución definitiva se prepara.

Los ataques a aplicaciones web y APIs seguirán siendo un frente activo en 2026. La diferencia entre las organizaciones que lo navegan con control y las que reaccionan cuando ya ocurrió el incidente, está en la visibilidad y en la capacidad de operar el riesgo de forma continua, no episódica.

La capa de aplicación es donde vive la lógica del negocio y es exactamente ahí donde las defensas modernas tienen que estar.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

Seguridad para infraestructura de IA: el nuevo reto que pocas organizaciones tienen resuelto.

Ciberseguridad para inteligencia artificial: el nuevo reto que pocas organizaciones tienen resuelto

Durante años, la inteligencia artificial fue un tema de laboratorio. Algo que las empresas exploraban en proyectos piloto, en entornos controlados, con equipos pequeños y expectativas cautelosas. Ese momento ya pasó.

Hoy la IA opera en producción. Toma decisiones, procesa datos sensibles, interactúa con usuarios, ejecuta tareas de forma autónoma y se conecta con sistemas críticos del negocio. Y con ese salto de la experimentación a la operación industrial, apareció un problema que muchas organizaciones todavía no tienen resuelto: la seguridad para infraestructura de IA no funciona igual que la seguridad tradicional.

Cuando la IA se vuelve infraestructura crítica.

Existe un concepto que está tomando fuerza en la industria tecnológica global: las AI Factories. No son fábricas en el sentido físico, sino infraestructuras de alto rendimiento diseñadas específicamente para producir inteligencia a escala. Procesan enormes volúmenes de datos, entrenan modelos, ejecutan agentes autónomos y sostienen las operaciones de IA de las organizaciones más avanzadas del mundo.

NVIDIA, uno de los líderes globales en infraestructura de cómputo para inteligencia artificial, ha sido uno de los principales impulsores de este concepto. Su arquitectura BlueField, diseñada para procesar y proteger datos directamente desde el hardware, representa un salto importante en cómo se piensa la seguridad para infraestructura de IA desde la capa más profunda del sistema.

Lo relevante para cualquier organización en LATAM no es la escala de esas infraestructuras globales. Es entender qué implica este cambio para la forma en que se debe pensar la seguridad cuando la IA ya no es un proyecto sino parte de la operación.

El problema que la seguridad tradicional no resuelve.

La seguridad tradicional fue diseñada para proteger redes, dispositivos y aplicaciones. Funciona bien en entornos que se pueden definir con claridad, donde los activos son estables y las amenazas siguen patrones conocidos.

La seguridad para infraestructura de IA enfrenta un escenario completamente distinto. Los agentes autónomos toman decisiones sin intervención humana. Los modelos de IA procesan datos que pueden ser manipulados antes de llegar a ellos. Las APIs que conectan sistemas entre sí se multiplican y crean superficies de ataque que crecen más rápido de lo que los equipos de seguridad pueden monitorear.

En ese entorno, los enfoques reactivos no son suficientes. Detectar una amenaza después de que ocurrió dentro de una infraestructura de IA puede significar que un agente ya tomó decisiones incorrectas, que datos sensibles ya fueron comprometidos o que un modelo ya fue manipulado de formas que no son inmediatamente visibles.

La seguridad para infraestructura de IA requiere visibilidad en tiempo real, protección desde el hardware y capacidad de actuar antes de que la amenaza se materialice.

Cinco capas que toda infraestructura de IA necesita proteger.

Cuando se habla de seguridad para infraestructura de IA, el alcance es más amplio de lo que parece a primera vista. No se trata solo de proteger el modelo o la aplicación que el usuario final ve. Se trata de asegurar todo el ciclo de vida de la inteligencia artificial dentro de la organización.

La primera capa es la seguridad del modelo en sí mismo, antes de que entre en producción. Un modelo que fue manipulado durante su entrenamiento puede tomar decisiones incorrectas de forma sistemática sin que nadie lo note.

La segunda es la protección en tiempo de ejecución. Cuando el modelo ya está operando, las amenazas más comunes son la inyección de instrucciones maliciosas, la extracción de datos a través de las respuestas del modelo y el abuso de las capacidades del sistema.

La tercera es la seguridad de los agentes autónomos. A diferencia de las aplicaciones tradicionales, los agentes de IA toman acciones, no solo responden. Eso implica que cada agente necesita una identidad gobernada, permisos precisos y trazabilidad de sus acciones.

La cuarta es la protección de las APIs que conectan los sistemas de IA con el resto de la organización. Cada conexión es una puerta que puede ser explotada si no está bien controlada.

La quinta es la visibilidad sobre toda la infraestructura. Sin datos en tiempo real sobre lo que está ocurriendo en cada capa del sistema, los equipos de seguridad operan a ciegas.

Lo que Palo Alto Networks está haciendo en este espacio.

Recientemente, Palo Alto Networks anunció la integración de su plataforma Cortex XSIAM con el framework NVIDIA DOCA Argus, lo que lleva la seguridad para infraestructura de IA directamente al nivel del hardware. Esto significa que la detección de amenazas ocurre en tiempo real desde la capa más profunda del sistema, sin depender de agentes instalados en el host y sin sacrificar el rendimiento de la infraestructura.

Lo que esto implica para las organizaciones en LATAM.

La mayoría de las organizaciones en la región no están operando AI Factories a la escala de los grandes corporativos globales. Pero sí están adoptando herramientas de IA en su operación, integrando agentes en sus procesos, conectando modelos con sus sistemas de negocio y procesando datos sensibles a través de plataformas de inteligencia artificial.

Ese escenario, aunque más pequeño en escala, presenta los mismos riesgos estructurales. Un agente de IA sin identidad gobernada es una amenaza, independientemente del tamaño de la organización. Una API sin control de acceso es una vulnerabilidad, sin importar si la empresa tiene diez servidores o diez mil.

La pregunta que cualquier CISO debería hacerse hoy es, ¿cuánto de su infraestructura de IA actual tiene visibilidad, control y protección real? No como proyecto futuro, sino como operación presente.

La seguridad para infraestructura de IA no es un tema para el año que viene. Es una conversación que las organizaciones que ya adoptaron IA en producción necesitan tener ahora.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

Ciberseguridad sin claridad: el problema que ninguna herramienta resuelve sola.

Modelo CROC de Nova para gestión de riesgo cibernético en empresas

Hay una conversación que ocurre con frecuencia en las salas de consejo de empresas en América Latina. Alguien pregunta: ¿qué tan expuestos estamos hoy ante un ciberataque? Y la respuesta, casi siempre, es una combinación de datos técnicos, nombres de herramientas y porcentajes que no le dicen nada concreto a quien toma las decisiones.

No es un problema de tecnología. Es un problema de traducción.

Muchas herramientas, poca claridad

La mayoría de las organizaciones medianas y grandes en la región ya tienen inversiones significativas en ciberseguridad. Tienen soluciones de detección, gestión de vulnerabilidades, protección en la nube y monitoreo de red. El problema no es la ausencia de herramientas. Es que todas esas herramientas generan señales que viven en silos, que hablan lenguajes distintos y que no se traducen en una respuesta clara a la pregunta más importante: ¿cuánto riesgo real tiene mi organización hoy?

Cuando un director general o un CFO no puede responder esa pregunta con certeza, la ciberseguridad deja de ser una función estratégica y se convierte en un gasto difícil de justificar. Las inversiones se hacen por intuición, no por evidencia. Las prioridades se definen por urgencia, no por impacto. Y los equipos de seguridad operan en modo reactivo, atendiendo alertas sin contexto, sin saber cuáles realmente importan.

Ese es el problema estructural que CROC resuelve.

De alertas a decisiones: qué es el modelo CROC

El Nova CROC, Cyber Risk Operations Center, es un modelo estratégico desarrollado por Nova para gestionar el riesgo cibernético de forma continua, proactiva y conectada al impacto del negocio. No es una herramienta. No es un software. Es un modelo operativo que cambia la forma en que una organización entiende, mide y actúa sobre su exposición al riesgo.

La diferencia con el enfoque tradicional es de fondo. La ciberseguridad convencional está centrada en alertas e incidentes. CROC está centrado en exposición y decisiones. No se trata de saber cuántos eventos de seguridad ocurrieron esta semana. Se trata de saber qué activos críticos están expuestos hoy, qué tan probable es que sean explotados y cuánto le costaría a la organización si eso ocurriera.

Ese cambio de perspectiva transforma completamente la conversación entre el área de seguridad y la dirección general.

El índice de riesgo cibernético: un número que todos pueden entender

Uno de los elementos más concretos del modelo CROC es el Índice de Riesgo Cibernético, conocido como CRI. Su propósito es simple pero poderoso: traducir información técnica compleja en una métrica comprensible que cualquier tomador de decisiones pueda interpretar y actuar sobre ella.

En lugar de presentar al consejo una lista de vulnerabilidades con códigos CVE y niveles de severidad técnica, el CRI responde una pregunta directa: ¿dónde está concentrado el riesgo real de la organización y cuánto podría costar un incidente hoy?

Eso es lo que permite tomar decisiones de inversión con base en evidencia. Asignar presupuesto donde el impacto es mayor. Priorizar acciones no por lo que genera más ruido, sino por lo que representa mayor exposición al negocio.

Cómo opera en la práctica

CROC funciona sobre cinco principios que se retroalimentan de forma continua. Primero, la contextualización de activos: entender qué existe en el entorno digital de la organización, desde endpoints hasta aplicaciones en la nube, y por qué cada uno es crítico. Segundo, la medición continua del riesgo a través del CRI. Tercero, la mitigación estratégica y proactiva, implementando controles antes de que las amenazas se materialicen. Cuarto, el monitoreo continuo de la postura de seguridad con ajustes basados en impacto real. Y quinto, la mejora constante como ciclo permanente, no como proyecto puntual.

Este modelo se integra con las herramientas que la organización ya tiene, XDR, EDR, gestión de vulnerabilidades, seguridad de nube, SIEM, consolidando sus señales en una visión unificada de riesgo. No reemplaza la inversión existente. La hace más inteligente.

Lo que cambia para la organización

El resultado de operar bajo el modelo CROC no es solo técnico. Es estratégico. Una organización que implementa este modelo conoce su nivel real de exposición, puede priorizar con inteligencia, actúa antes de que ocurra el incidente y convierte la ciberseguridad en una función alineada al negocio.

Eso tiene un impacto directo en cómo el área de seguridad se relaciona con la dirección general, con el consejo y con los reguladores. Ya no se trata de reportar incidentes. Se trata de gestionar riesgo con evidencia, con métricas y con criterio de negocio.

Para los líderes que hoy enfrentan la presión de justificar inversiones en seguridad, de demostrar que sus controles son efectivos y de anticiparse a amenazas que evolucionan constantemente, CROC representa exactamente eso: claridad donde antes había incertidumbre y decisiones donde antes había reactividad.

Si quieres profundizar en cómo CROC evoluciona el modelo tradicional del SOC, puedes leer nuestro artículo Del SOC al CROC: eventos vs exposición real al riesgo.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

Cuando la IA descubre vulnerabilidades más rápido de lo que puedes parchear

gestión de vulnerabilidades con inteligencia artificial

Escucha este artículo aquí:

El modelo de seguridad que la mayoría de las organizaciones conoce —esperar un aviso, aplicar un parche, cerrar el ticket— está a punto de quedar obsoleto. No porque haya fallado históricamente, sino porque el ritmo al que se descubren vulnerabilidades acaba de cambiar de forma estructural.

La iniciativa Glasswing de Anthropic es una señal de eso. Aplicar inteligencia artificial al descubrimiento de vulnerabilidades de software significa que lo que antes tomaba semanas o meses de investigación humana especializada, ahora puede ocurrir en una fracción del tiempo. Más rápido, más volumen, más superficie expuesta.

Para un CISO o un gerente de TI, esto plantea una pregunta muy concreta: si mañana hay diez veces más vulnerabilidades descubiertas, ¿tiene su organización la capacidad de operar ese volumen sin colapsar?

El problema no es el descubrimiento. Es todo lo que viene después.

Encontrar una vulnerabilidad no cierra el riesgo. Lo abre. Desde el momento en que existe un hallazgo hasta que hay un parche disponible, probado e implementado en producción, puede transcurrir semanas. A veces meses. En ese intervalo, los actores maliciosos operan con una ventaja estructural: conocen la exposición antes de que usted pueda cerrarla.

Escalar la detección sin escalar la capacidad de respuesta no mejora la postura de seguridad. La amplía. Es una trampa que muchos equipos están a punto de caer si no reorientan su operación hacia algo más parecido a la gestión continua de exposición que a la gestión reactiva de parches.

TrendAI y el ciclo completo

TrendAI lleva más de tres décadas operando en la vanguardia de la investigación de amenazas. Su programa Zero Day Initiative —el programa de divulgación de vulnerabilidades independiente de proveedores más grande del mundo— no es una respuesta al momento actual. Es una infraestructura construida con anticipación a él.

La lógica es clara: el descubrimiento sin coordinación genera exposición no gestionada. Por eso TrendAI trabaja activamente junto a iniciativas como Glasswing para garantizar que cada vulnerabilidad identificada siga un proceso de divulgación responsable, que los fabricantes tengan el tiempo necesario para desarrollar soluciones y que los atacantes no lleguen primero.

Pero más allá de la divulgación, la propuesta de TrendAI resuelve el problema operativo de fondo.

Cuando se identifica una vulnerabilidad, la organización enfrenta una ventana de exposición antes de que exista un parche oficial. TrendAI cierra esa ventana con protecciones virtuales que pueden activarse hasta 96 días antes de que el fabricante publique una solución. Eso no es un detalle menor: es la diferencia entre estar expuesto durante los días más activos del ciclo de explotación, o no.

De vulnerabilidades a exposición gestionada

El otro problema que escala con el volumen es la priorización. Si antes era difícil decidir qué parchar primero, en un entorno donde la IA multiplica los hallazgos, la dificultad se convierte en parálisis.

La plataforma TrendAI Vision One, a través de su módulo de Cyber Risk Exposure Management, conecta el descubrimiento, la priorización y la remediación en un ciclo continuo. No opera sobre listas de vulnerabilidades. Opera sobre exposición real: qué está activo en el entorno, qué es explotable hoy, qué impacta directamente en los activos críticos del negocio.

Eso es lo que diferencia un inventario de vulnerabilidades de una operación de riesgo. El primero informa. El segundo actúa.

Detrás de todo esto opera AESIR —la plataforma interna de inteligencia de seguridad de TrendAI— que aplica IA y flujos de trabajo basados en agentes para automatizar el análisis, gestionar la divulgación coordinada y habilitar el parcheo virtual cuando es posible. No es una capacidad construida en respuesta a Glasswing. Es la infraestructura que TrendAI lleva años desarrollando para este momento.

Lo que esto implica para su organización

La era del descubrimiento de vulnerabilidades impulsado por IA no está llegando. Ya llegó. Y las organizaciones que la naveguen con éxito no serán necesariamente las que tengan más herramientas, sino las que puedan convertir volumen en claridad y claridad en acción.

Eso requiere tres cosas: un proceso de divulgación coordinada que no genere exposición prematura, capacidad de priorizar por impacto real y no por severidad abstracta, y protección que no dependa de esperar el parche.

Si su equipo ya está al límite gestionando el volumen actual, la pregunta no es si este cambio los afectará. Es cuánto tiempo tienen para reorientar su operación antes de que el volumen los supere.

Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma

frontera de la IA: por qué la defensa del futuro es una operación de riesgo en tiempo real

defensa contra ataques de IA avanzada

Escucha este artículo aquí:

La ciberseguridad siempre ha tenido una ventaja implícita: el tiempo. Detectar, investigar y responder solía ser suficiente para contener la mayoría de los incidentes antes de que escalaran. Esa ventaja se está erosionando.

Con la llegada de modelos de IA avanzados, los atacantes ya no dependen únicamente de habilidades humanas o ciclos manuales. Ahora pueden automatizar la búsqueda de vulnerabilidades, encadenar fallas en sistemas complejos y ejecutar ataques a una velocidad que reduce drásticamente la ventana de reacción de las organizaciones.

El mensaje de fondo de iniciativas como Unit 42 Frontier AI Defense de palo alto networks es claro: el modelo tradicional de defensa ya no escala frente a ataques impulsados por IA.

El cambio clave: de ataques humanos a ataques autónomos

Lo que está cambiando no es solo la velocidad, sino la naturaleza del atacante.

Los ataques ya no son necesariamente lineales ni manuales. Un sistema impulsado por IA puede:

  • explorar superficies de ataque completas en minutos,
  • identificar vulnerabilidades encadenables,
  • y ejecutar secuencias de explotación sin intervención humana constante.

Esto genera un problema estructural: la defensa tradicional está diseñada para interpretar eventos, no para competir contra sistemas que operan en ciclos mucho más cortos.

En ese contexto, el tiempo entre “detección” y “respuesta” deja de ser una métrica operativa… y se convierte en una variable de riesgo.

El verdadero problema no es la IA, es la velocidad compuesta

Cuando los ataques son automatizados, no solo se vuelven más rápidos. También se vuelven iterativos.

Un atacante puede probar múltiples variantes de explotación en paralelo, ajustar rutas de ataque en tiempo real y escalar intentos sin costo marginal relevante. Esto genera lo que se puede entender como “velocidad compuesta”: cada iteración mejora la siguiente.

En ese escenario, la exposición no es estática. Cambia mientras la organización todavía está investigando lo que ocurrió.

Qué propone este nuevo enfoque de defensa

El planteamiento de Unit 42 de palo alto networks va en una dirección interesante: mover la seguridad hacia una lógica de tres capas operativas:

Primero, identificar la exposición antes de que sea explotada, entendiendo qué vulnerabilidades realmente pueden encadenarse en un ataque real.

Segundo, reducir la superficie de ataque de forma estructural, no solo parcheando incidentes aislados.

Tercero, modernizar la operación de seguridad para responder en tiempo real, apoyándose en automatización y analítica avanzada para acortar los ciclos de decisión.

Más allá del nombre de la iniciativa, el concepto clave es este: la defensa ya no puede depender de ciclos humanos tradicionales.

De detección de incidentes a operación del riesgo

Aquí es donde este enfoque conecta directamente con la evolución que hemos venido trabajando en la serie CROC.

Un SOC tradicional está optimizado para detectar y responder eventos. Pero en un entorno donde la IA acelera el ciclo completo del ataque, eso ya no es suficiente.

Lo que empieza a tomar relevancia es otro enfoque: operar la exposición de forma continua.

Eso implica cambiar la pregunta central de seguridad:

  • De “¿qué pasó?”
  • A “¿qué es explotable ahora mismo y qué impacto tendría?”

Ese cambio es sutil, pero profundo. Porque convierte la seguridad en una función que no solo reacciona, sino que gestiona activamente la probabilidad de que un ataque ocurra con éxito.

El rol de la IA en defensa: no es opcional, es estructural

Así como los atacantes están usando IA para escalar su capacidad, la defensa también necesita apoyarse en sistemas inteligentes para analizar exposición, priorizar riesgos y acelerar decisiones.

No se trata de “automatizar el SOC” como un objetivo aislado. Se trata de algo más amplio: reducir el tiempo entre exposición y mitigación por debajo del ciclo del atacante.

En términos simples: si el atacante piensa en minutos, la defensa ya no puede pensar en horas.

Qué cambia para la organización

Este tipo de cambio no es solo tecnológico. Es operativo y estructural.

Para TI, significa que la gestión de vulnerabilidades deja de ser un proceso periódico y se convierte en un flujo continuo.
Para SecOps, implica que la priorización ya no puede basarse solo en severidad, sino en explotabilidad real en contexto.
Para el CISO, cambia la conversación: el foco deja de ser cuántos incidentes se atendieron y pasa a ser cuánto riesgo se redujo frente a un adversario que también evoluciona en tiempo real.

Conexión con CROC: el siguiente nivel de madurez

Este tipo de enfoques encajan naturalmente con la idea de un Cyber Risk Operations Center (CROC).

Porque cuando el adversario opera con IA, la seguridad deja de ser un sistema de alertas y pasa a ser un sistema de gestión continua de exposición.

Un CROC no compite con la velocidad del atacante desde la detección. La compite desde la reducción estructural del riesgo.

Y esa es la verdadera transición que está ocurriendo:
de defender eventos → a operar riesgo en tiempo real.
Para mantenerte informado y protegido, sigue las redes sociales de Nova en: Instagram,  Facebook y LinkedIn, donde puedes encontrar más noticias y conocer las soluciones en ciberseguridad que ofrecemos.

#NovaInforma