Palo Alto Networks ha convertido los modelos de inteligencia artificial de frontera en una pieza operativa de su negocio de ciberseguridad. La compañía presentó Unit 42 Continuous Frontier AI Defense, un servicio por suscripción que utiliza modelos especializados de Anthropic y OpenAI, además de modelos abiertos y herramientas propias, para examinar de forma permanente aplicaciones web, APIs, identidades, infraestructura cloud y activos de red. El objetivo es detectar vulnerabilidades antes de que los atacantes puedan encadenarlas y, al mismo tiempo, acelerar la corrección con recomendaciones técnicas y parches virtuales.
La propuesta parte de una premisa incómoda para las empresas: la inteligencia artificial está reduciendo radicalmente el tiempo que necesita un atacante para explorar un sistema. Palo Alto afirma que, en investigaciones recientes, técnicas que antes requerían semanas de trabajo manual pudieron ejecutarse en menos de diez horas con apoyo de herramientas agénticas. En algunos escenarios, la ventana entre una vulnerabilidad pública y los primeros intentos automatizados de explotación se ha comprimido a minutos. Para los departamentos de seguridad, eso cambia la economía defensiva: ya no basta con ejecutar una auditoría cada trimestre y esperar a la siguiente.
Del pentest periódico a una vigilancia que no se apaga
Durante años, muchas organizaciones han utilizado pruebas de penetración puntuales para encontrar fallos importantes antes de que lo hiciera un adversario. Ese modelo sigue siendo útil, pero tiene una limitación evidente: la infraestructura cambia constantemente. Se despliega código nuevo, aparecen APIs, se modifican permisos y entran servicios cloud adicionales. Una auditoría puede quedar obsoleta pocos días después de finalizar.
Continuous Frontier AI Defense intenta sustituir esa fotografía estática por un proceso continuo. Los agentes buscan rutas de ataque, validan si una debilidad puede explotarse realmente y priorizan las correcciones en función del riesgo. La idea no es simplemente producir más alertas, sino reducir el tiempo entre descubrimiento y remediación.
Este enfoque encaja con una tendencia que BlackHold Capital News ya ha seguido en los riesgos que crean los agentes de IA cuando pueden ejecutar acciones financieras. En seguridad ocurre algo similar: cuando el software deja de limitarse a recomendar y empieza a actuar, el control sobre permisos, contexto y trazabilidad se vuelve mucho más importante.
La compañía apuesta por varios modelos en lugar de elegir un único ganador
Palo Alto Networks no ha diseñado el servicio alrededor de un solo proveedor. La plataforma combina modelos cyber-focused de Anthropic y OpenAI con modelos abiertos y capas propietarias. Esa decisión responde a una realidad técnica: diferentes modelos destacan en tareas distintas. Uno puede encontrar mejor errores de lógica, otro comprender configuraciones cloud y un tercero resultar más eficaz generando pruebas de explotación.
La empresa sostiene que, en sus pruebas, ningún modelo individual identificaba por sí solo una proporción suficiente de vulnerabilidades complejas. El valor aparece al combinar capacidades y añadir verificación humana. Esta arquitectura multi-modelo también reduce dependencia de un proveedor y permite incorporar rápidamente mejoras cuando aparezca una nueva generación de modelos.
La lógica guarda relación con el negocio de datos especializados. Snorkel AI acaba de levantar 350 millones de dólares precisamente porque los modelos más avanzados necesitan datos y entornos de entrenamiento más difíciles. En ciberseguridad, los datasets, simulaciones y técnicas ofensivas propias pueden convertirse en una ventaja tan relevante como el modelo base.
El servicio une inteligencia artificial y conocimiento ofensivo de Unit 42
La marca Unit 42 es conocida por investigación de amenazas, respuesta a incidentes y trabajo de red team. Palo Alto está utilizando ese conocimiento para dirigir y validar el comportamiento de los agentes. Es una diferencia importante frente a lanzar un chatbot genérico y pedirle que “busque bugs”. Los sistemas necesitan saber qué técnicas probar, cómo interpretar una respuesta inesperada y cuándo una aparente debilidad tiene impacto real.
La empresa describe un proceso en el que los modelos identifican posibilidades, prueban caminos de ataque y generan evidencia de explotabilidad. Después, los especialistas pueden revisar los hallazgos y priorizar acciones. La capa humana sigue siendo crítica porque un falso positivo puede consumir recursos y un falso negativo puede dejar abierta una vía de entrada.
El resultado comercial es un servicio anual y recurrente. Esa estructura favorece a Palo Alto porque convierte parte del trabajo tradicionalmente asociado a proyectos puntuales de consultoría en ingresos de suscripción. Si el producto funciona, puede mejorar la previsibilidad del negocio de servicios de seguridad y aumentar el valor de cada cliente empresarial.
La IA también está reduciendo el coste de atacar
La misma tecnología que mejora la defensa democratiza capacidades ofensivas. Un atacante sin años de experiencia puede utilizar modelos para escribir scripts, analizar documentación, buscar configuraciones débiles o adaptar exploits. Los grupos más sofisticados pueden encadenar múltiples agentes y automatizar reconocimiento, persistencia y extracción de datos.
Palo Alto señala que los adversarios están usando modelos sin las restricciones de seguridad de los sistemas comerciales. Los modelos abiertos pueden modificarse para eliminar guardrails, lo que hace imposible confiar en que la industria del software bloquee por sí sola los usos dañinos. La defensa debe asumir que el atacante tendrá acceso a herramientas comparables.
Ese contexto también explica por qué Anthropic y otros laboratorios están reforzando sus medidas de seguridad. La evolución de Claude y de modelos orientados a ciberseguridad no es únicamente una carrera por benchmarks, sino por controlar capacidades que pueden utilizarse de forma dual.
Las APIs y el cloud son objetivos especialmente sensibles
Las empresas modernas ya no tienen un perímetro único. Una aplicación puede depender de decenas de APIs, servicios SaaS, bases de datos y proveedores cloud. Cada identidad técnica, token o permiso excesivo amplía la superficie de ataque. A medida que los agentes de IA empresariales reciben acceso a más herramientas, la complejidad crece todavía más.
Continuous Frontier AI Defense está diseñado para analizar estas relaciones. No basta con encontrar un puerto abierto; el valor está en descubrir que una credencial con pocos privilegios puede combinarse con una API mal configurada, una función cloud y una identidad de servicio hasta alcanzar datos sensibles. Este tipo de cadena de explotación es precisamente donde la automatización puede producir una ventaja.
La presión sobre infraestructura digital se suma al crecimiento del gasto tecnológico. Accelevation prepara una OPV vinculada al boom físico de centros de datos, recordatorio de que la expansión de IA está creando activos y configuraciones nuevas a una velocidad que los equipos de seguridad también deben absorber.
El mercado de ciberseguridad puede beneficiarse del propio riesgo que genera la IA
Para los inversores, esta es una de las paradojas más claras de la actual ola tecnológica. La IA puede automatizar tareas y reducir costes, pero al mismo tiempo incrementa la superficie de ataque, la velocidad de los adversarios y el valor de la información almacenada. Eso genera demanda adicional para proveedores de seguridad.
Palo Alto Networks, CrowdStrike, Zscaler, Cloudflare y otras compañías compiten por presupuestos que cada vez se consideran menos discrecionales. Una empresa puede aplazar una herramienta de productividad; es mucho más difícil ignorar un riesgo que puede detener operaciones o exponer datos regulados.
La ventaja competitiva de Palo Alto está en combinar plataforma, telemetría y servicios. Si logra demostrar que sus agentes encuentran fallos relevantes antes que soluciones rivales, puede justificar contratos de mayor tamaño. La contrapartida es que el sector evoluciona tan rápido que una ventaja técnica puede durar poco.
La economía del producto dependerá de reducir falsos positivos
Los equipos de seguridad ya sufren fatiga de alertas. Introducir otro sistema que genere miles de avisos sin priorización empeoraría el problema. Por eso Palo Alto insiste en validar explotabilidad y proponer correcciones. El indicador importante no será cuántas vulnerabilidades detecta el sistema, sino cuántos riesgos reales consigue eliminar antes de que lleguen a producción o sean utilizados por un atacante.
El modelo de precios basado en la combinación de modelos utilizados también será relevante. Los modelos de frontera tienen costes distintos por token y capacidad. Una empresa grande puede ejecutar millones de pruebas, de modo que la eficiencia computacional afectará directamente a márgenes.
La nueva generación de Anthropic ilustra esta presión por coste. Los laboratorios están intentando ofrecer más razonamiento por dólar, y esa mejora puede trasladarse a servicios como el de Palo Alto. Si la inferencia se abarata, la defensa continua puede desplegarse sobre una superficie mayor sin disparar el presupuesto.
La regulación empuja en la misma dirección
En Europa, marcos como NIS2 y DORA aumentan las obligaciones de resiliencia, reporte y gestión de terceros. En Estados Unidos, los reguladores también exigen mayor responsabilidad a los consejos de administración cuando un incidente revela controles insuficientes. Un servicio que documenta pruebas, hallazgos y remediaciones puede convertirse en una herramienta de compliance además de seguridad.
La trazabilidad será importante. Las organizaciones necesitarán saber qué modelo identificó una vulnerabilidad, qué acciones ejecutó, qué permisos utilizó y cómo se validó el resultado. Eso implica que la gobernanza de los agentes defensivos debe ser tan cuidadosa como la de cualquier otro sistema con acceso privilegiado.
El mismo principio aparece en el debate sobre IA empresarial. Accenture reforzó su alianza con Anthropic en una iniciativa de 2.000 millones de dólares, mostrando que grandes compañías ya están pasando de pilotos a despliegues más profundos. Cada despliegue crea nuevas identidades, datos y flujos que alguien tendrá que proteger.
El coste de una brecha convierte la prevención en una decisión financiera
Una vulnerabilidad crítica no solo genera gasto técnico. Puede provocar paradas, pérdida de clientes, sanciones regulatorias y litigios. Cuando una empresa calcula el retorno de una herramienta defensiva debe comparar su precio con una distribución de pérdidas potenciales, no con el coste de otra licencia de software.
Este enfoque favorece los servicios capaces de demostrar resultados medibles. Si Palo Alto puede atribuir a su plataforma vulnerabilidades corregidas antes de explotación, dispone de una historia de ROI más clara. Eso puede facilitar contratos plurianuales y ampliar venta cruzada hacia otros productos de seguridad.
Los seguros cibernéticos también podrían valorar positivamente controles continuos. Las aseguradoras quieren evidencias de que el cliente reduce exposición de manera activa. Un registro auditable de pruebas y remediaciones puede influir en condiciones de cobertura, aunque dependerá de cómo evolucione la suscripción del riesgo.
La seguridad de los propios agentes será el siguiente frente
Un agente defensivo necesita credenciales y acceso suficiente para inspeccionar sistemas. Eso lo convierte en un objetivo valioso. Si un atacante consigue manipular sus instrucciones, datos o herramientas, podría transformar un mecanismo de protección en una vía privilegiada de acceso.
Palo Alto tendrá que proteger aislamiento, logs, identidad y límites de ejecución. También deberá impedir que contenido malicioso dentro de una aplicación induzca al agente a realizar acciones no previstas. El problema de prompt injection deja de ser una curiosidad cuando el modelo puede tocar infraestructura real.
La arquitectura tendrá que asumir fallos y aplicar controles de mínimo privilegio. Automatizar no significa otorgar acceso ilimitado.
Los equipos de seguridad necesitarán nuevas competencias
El uso de agentes modifica el trabajo de analistas y responsables de seguridad. Será necesario entender cómo se evalúan modelos, cómo se diseñan sandboxes y cómo se revisan acciones automatizadas. Parte de la profesión se acercará al engineering de IA, no solo a redes y sistemas.
Esto puede ampliar la escasez de talento a corto plazo. Las empresas necesitarán perfiles híbridos que comprendan ofensiva, cloud y modelos. Los proveedores que ofrezcan la capa gestionada pueden capturar clientes incapaces de construir esa experiencia internamente.
Unit 42 tiene precisamente la posibilidad de empaquetar conocimiento especializado dentro de una suscripción, evitando que cada organización tenga que montar su propio laboratorio ofensivo.
La batalla ya no será “IA contra humanos”, sino agentes contra agentes
El aspecto más relevante del anuncio de Palo Alto es conceptual. La compañía está asumiendo que los humanos no pueden defender manualmente una infraestructura donde los atacantes automatizan reconocimiento y explotación. La respuesta consiste en delegar parte de esa velocidad a agentes defensivos supervisados.
Eso no elimina a los analistas; cambia su función. En lugar de revisar cada señal, pueden concentrarse en diseñar reglas, validar resultados complejos y responder a incidentes críticos. La productividad del equipo puede aumentar, pero también crece la dependencia de sistemas que deben actuar con permisos elevados.
La próxima fase de la ciberseguridad probablemente se decidirá por quién construye mejores bucles automáticos de detección, prueba y corrección. Palo Alto Networks quiere que Unit 42 sea una de las plataformas que controlen ese ciclo.
Documentación empleada
La descripción del servicio, la arquitectura multi-modelo y los ejemplos de aceleración de ataques proceden del anuncio técnico de Palo Alto Networks y de la cobertura de Reuters del 22 de septiembre de 2026. Para análisis de empresas tecnológicas puede consultarse BlackHold Capital y para compañías emergentes, BlackHold Startups.
Fotografía: Tima Miroshnichenko / Pexels.
