Presentado por Ping Identidad
Las empresas deberían ver la arquitectura de seguridad Zero Trust como un requisito inmediato para los agentes de IA en lugar de un objetivo a largo plazo, afirma André Durand, director ejecutivo y fundador de Ping Identity. El modelo de seguridad Zero Trust, basado en el supuesto de que no se debe confiar automáticamente en ningún usuario, dispositivo o sistema, requiere una verificación continua antes de cada acción en lugar de una verificación única al iniciar sesión. La IA agente ha reducido drásticamente el cronograma de riesgos que las empresas deben gestionar, lo que requiere que las decisiones de autorización se evalúen en tiempo real.
Esta compresión se manifiesta en la forma en que se acumulan los permisos. Cada vez que un empleado aprueba la solicitud de un agente de IA para acceder a una unidad, base de datos o repositorio de códigos de la empresa, la empresa cede una parte del control que parece rutinario de forma aislada. Entre miles de agentes que realizan miles de solicitudes, estas aprobaciones suman una exposición que la mayoría de las arquitecturas de seguridad existentes nunca fueron diseñadas para medir.
«El creciente deseo de utilizar agentes hoy en día, y la velocidad del agente, resalta la necesidad de avanzar más rápidamente sobre los principios de confianza cero», dice Durand. «Los agentes simplemente se mueven más rápido, punto. Un compromiso humano se puede medir en minutos u horas, a veces días. A la velocidad de un agente, podrían ocurrir mil acciones en cinco minutos».
Por qué la confianza cero es ahora urgente para la IA agente
Esta diferencia de velocidad cambia la forma en que las empresas deben pensar en los permisos. Dos variables importan: el área de acceso otorgada a un agente y la duración durante la cual el acceso sigue siendo válido. La gestión tradicional de identidades y accesos tiende a otorgar amplios permisos y dejar sesiones abiertas durante largos períodos de tiempo porque el ser humano que las utiliza se mueve a la velocidad humana. El modelo Zero Trust, en cambio, reduce ambas variables a la vez limitando el acceso a lo estrictamente necesario y revalidándolo continuamente, en lugar de hacerlo una sola vez al iniciar sesión.
“La confianza cero simplemente significa: justo lo que se necesita, justo a tiempo”, explica Durand. «Lo que nos interesa es su próxima acción. Estamos trasladando la identidad de un momento en el que el acceso era nuestro punto de control de ejecución (es decir, si estaba conectado, si tenía una sesión) a la decisión detrás de ese inicio de sesión».
Por qué los agentes deberían ser tratados como identidades de primera clase
Este cambio hacia un control basado en decisiones tiene implicaciones directas sobre cómo se deben aprovisionar los agentes en primer lugar. La práctica común de permitir que un agente opere con un inicio de sesión humano clonado o una cuenta de servicio compartida no funciona, afirma Durand.
“Cada agente debe tener su propia identidad”, explica. «No debería hacerse pasar por el humano. Puede actuar en nombre del humano, podríamos delegar autoridad explícitamente a un agente, pero no queremos desdibujar las líneas entre la actuación humana y la actuación del agente».
Y más allá de eso, hay otra preocupación: los secretos compartidos, en particular las claves API, de las que todavía dependen muchas cuentas de servicio. Por ejemplo, la práctica de incrustar claves directamente en el código fuente, donde pueden validarse y exponerse accidentalmente, es un modelo de seguridad conveniente pero débil, que los flujos de trabajo de los agentes hacen considerablemente más riesgoso. Crear arquitecturas de cuentas de servicio que permitan a los agentes autenticarse sin depender de estas credenciales compartidas u otros accesos de larga duración es ahora una prioridad urgente en lugar de un proyecto de limpieza a largo plazo.
Dónde las empresas pueden aplicar políticas de confianza cero
Para aplicar todo esto en la práctica, es necesario identificar las áreas en las que la política realmente puede aplicarse. Varios puntos de estrangulamiento existentes, incluidas las puertas de enlace API y la puerta de enlace del agente frente a los servidores MCP, brindan ubicaciones convenientes donde las empresas pueden inspeccionar lo que solicita un agente y aplicar reglas de políticas antes de otorgarlo.
«Estas políticas podrían explotar las señales de riesgo y fraude en tiempo real y luego imponer de manera determinista lo que el agente puede hacer al interactuar con estos sistemas», afirma Durand.
Suscríbete y recibe las historias más importantes del día.
Al suscribirte aceptas nuestros términos y condiciones y política de privacidad.
El objetivo es mover la autorización de algo decidido una vez al iniciar sesión a algo evaluado en el momento de cada acción consecutiva, como un agente que intenta enviar código a un repositorio. En lugar de tener permiso permanente para escribir en GitHub, la solicitud del agente se compararía con el contexto y la política en ese momento preciso, cerrando así la ventana de confianza dentro del alcance de una sola acción.
Evite que los agentes de IA reescriban sus propios permisos
Este patrón se vuelve particularmente importante dado cómo pueden comportarse los agentes una vez que ya están dentro de un sistema; por ejemplo, agentes codificadores que admitieron, cuando se les preguntó, que estaban ignorando por completo una barrera de seguridad específica o que estaban intentando reescribir los permisos que se les habían otorgado.
«¿Quién observa al observador? Aquí debe aplicarse la confianza cero», afirma Durand. «Si los sistemas de IA generativa siguen tus instrucciones el 97% del tiempo y tú simplemente les pides consejo, eso podría ser algo bueno. Si es responsable de decidir a quién se le permitirá entrar, el 97% no es suficiente».
Cómo confiar en los resultados generados por IA a la velocidad del agente
La respuesta a esta brecha no es eliminar la IA del proceso de evaluación, sino estructurar las evaluaciones de manera que el juicio de ningún agente se tome al pie de la letra. Dado que la revisión humana no puede escalar al volumen y la velocidad de la producción de agentes sin eliminar el beneficio de usar agentes, se necesita un nuevo marco tal que cuando un agente produce trabajo, como código, agentes separados lo evalúen, siempre que estos agentes de revisión no puedan comunicarse entre sí o con el que están revisando. Este es un nuevo paradigma humano-IA, afirma Durand.
«Probablemente tendremos que desarrollar marcos en los que confiemos sin ver ni verificar directamente el resultado», explica. «No es que esta construcción sea 100% infalible. Sin embargo, es lo mejor que podemos hacer para movernos a la velocidad del agente. No podemos confiar en el resultado exacto, pero podemos confiar en el marco».
En la práctica, esto significa combinar la revisión automatizada con una responsabilidad humana clara por las decisiones de mayor riesgo, en lugar de tratar los resultados de los agentes como una autovalidación.
Para los auditores tradicionales, nunca es posible examinar cada transacción individualmente, y el muestreo estadísticamente válido reemplaza la verificación integral. Lo mismo se aplica a la acumulación de riesgo: la acción de un solo agente puede conllevar poco riesgo por sí sola, mientras que una secuencia de acciones que se mueven en una dirección coherente puede cruzar un umbral que desencadene una intervención, incluido un disyuntor capaz de detener al agente antes de que se produzcan más daños.
Qué preguntar al evaluar plataformas de identidad agente
Para los líderes de seguridad que evalúan plataformas de identidad para IA agente, no existe una lista de verificación estricta. Las empresas necesitan evaluar cómo es el ciclo de vida completo de la gestión de agentes. La mayoría de las empresas gestionan agentes en dos frentes simultáneamente: agentes de cara al cliente que actúan en nombre de usuarios externos y agentes internos desplegados para automatizar los procesos de negocio.
«Haga una pausa lo suficiente para ver el panorama general de lo que significaría proteger a múltiples agentes, tanto interactuando con usted externamente como desplegados internamente», dice Durand. «Necesitamos descubrimiento y visibilidad de todos los agentes que operan dentro de nuestro dominio, un lugar para registrarlos, una forma estándar de asignar custodios y una manera de crear y centralizar políticas para que la seguridad pueda aplicarlas en toda la organización».
Y si bien los principios básicos de seguridad ya se entendían completamente antes de la llegada de la IA agente, lo que ha cambiado, según Durand, es que el costo de la evolución lenta finalmente ha alcanzado el costo de la evolución imprudente, dando a las empresas una ventana más estrecha para construir la arquitectura correcta antes de que la adopción generalizada de agentes haga que la actualización sea mucho más costosa.
Los artículos patrocinados son contenidos producidos por una empresa que paga por la publicación o tiene una relación comercial con VentureBeat y siempre están claramente marcados. Para más información, póngase en contacto ventas@venturebeat.com.
