¿Qué es la IA agéntica en ciberseguridad?

Los sistemas de IA agéntica suelen diseñarse con supervisión humana integrada para equilibrar la autonomía y el control.

En el enfoque de Microsoft para la IA agéntica para ciberseguridad, esto se diseña como un modelo colaborativo en el que los operadores humanos pueden supervisar y guiar el comportamiento del sistema.

Entre los ejemplos comunes se incluyen:

• Razonamiento transparente. Los sistemas de Microsoft proporcionan contexto de apoyo y justificación junto con las recomendaciones para ayudar a los analistas a entender los resultados del sistema y los recorridos de decisión.

• Aprobación y ajuste. Los equipos pueden revisar, aprobar, rechazar o ajustar las acciones del sistema, e incorporar comentarios para mejorar continuamente los resultados.

• Controles auditables. Las actividades se rigen por controles de seguridad empresariales, como el acceso basado en roles, los registros de auditoría y las protecciones de flujo de trabajo, para apoyar la responsabilidad y los requisitos de cumplimiento.

La IA agéntica puede responder de forma dinámica a las condiciones cambiantes y ajustar su comportamiento según el contexto gracias a un proceso llamado bucle agéntico, una secuencia de pasos que el agente repite hasta lograr su objetivo.

Percibir → Razonar → Planificar → Actuar → Aprender

• Percibir. El sistema recopila información de su entorno, incluidos registros, alertas, actividad de usuario, inteligencia sobre amenazas y datos de herramientas y sistemas conectados.
• Razonar. Analiza la información, identifica patrones, evalúa riesgos y determina qué significa la información en su contexto.
• Planificar. En función de sus objetivos, el sistema desarrolla una secuencia de acciones para lograr el resultado deseado.
• Actuar. El agente lleva a cabo tareas, como aislar un dispositivo, abrir un caso, escalar una alerta o recopilar pruebas adicionales, interactuando con herramientas, sistemas o flujos de trabajo.
• Aprender. El sistema evalúa los resultados de sus acciones y usa la información obtenida, los nuevos datos y los resultados anteriores para mejorar las decisiones y respuestas futuras.

Para que la IA agéntica funcione bien, los equipos también deben decidir si quieren usar un sistema de un solo agente o uno multiagente. Un sistema de un solo agente se basa en un agente para administrar tareas y decisiones, lo que funciona bien cuando los flujos de trabajo están relativamente acotados y las decisiones están centralizadas. Si los flujos de trabajo son complejos o requieren distintos tipos de experiencia, las organizaciones suelen configurar un sistema multiagente que usa varios agentes de IA especializados en ciberseguridad que trabajan juntos hacia un objetivo común.

Incluso con capacidades autónomas, la supervisión humana sigue siendo importante. Muchas organizaciones usan puntos de control con intervención humana y puertas de aprobación para acciones sensibles o de alto riesgo, con el fin de ayudar a mantener la gobernanza, la responsabilidad y el control operativo.

Las diferencias entre la automatización tradicional, la IA generativa y la IA agéntica se ven con más claridad cuando se comparan en dimensiones clave.

Por desgracia, las empresas y los gobiernos no son los únicos que están adoptando la IA a gran velocidad. Los actores de amenazas están usando sistemas agénticos para aumentar la velocidad y la escala de sus ciberataques, lo que está creando o agravando varios retos de ciberseguridad, entre ellos:

• El desafío de la escala. Los equipos de seguridad a menudo se enfrentan a volúmenes de alertas abrumadores, una creciente complejidad de los datos y una escasez continua de analistas.
• El desafío de la velocidad. Cada vez más, los ciberatacantes automatizan sus operaciones, mientras que muchos defensores aún dependen de la evaluación de prioridades manual y de los procesos de respuesta ante incidentes.
• El desafío de la confiabilidad y la precisión. La exposición continuada a turnos de noche y a grandes volúmenes de tareas repetitivas puede provocar fatiga y agotamiento en los analistas, lo que aumenta el riesgo de incoherencias y errores humanos.
• El desafío de la resiliencia. Las organizaciones modernas operan en entornos híbridos que incluyen plataformas en la nube, puntos de conexión, identidades, aplicaciones y servicios de terceros. Esta superficie expuesta a ataques en expansión aumenta el riesgo operativo y crea más oportunidades para los ciberatacantes.

La IA agéntica en ciberseguridad ayuda a los equipos de seguridad a operar de forma más eficaz en entornos que se vuelven demasiado complejos, dinámicos e interconectados para unas operaciones de seguridad (SecOps) totalmente manuales. Esto se diferencia de la seguridad de la IA agéntica más amplia, que se centra en proteger los propios sistemas de IA.

En lugar de sustituir a los equipos de seguridad, la IA agéntica actúa como un multiplicador de fuerza en todas las operaciones de ciberseguridad, lo que aporta ventajas como:

• Reducción del tiempo medio de detección y respuesta (MTTD/MTTR). La IA agéntica puede investigar alertas, correlacionar señales y coordinar acciones de respuesta rápidamente, lo que ayuda a los equipos a reducir los tiempos de detección y respuesta.
• Menos fatiga de los analistas y más tiempo para tareas de alto valor. Al encargarse de tareas repetitivas y que consumen mucho tiempo, la IA agéntica ayuda a reducir la fatiga por alertas y permite que los analistas se centren en investigaciones y decisiones más estratégicas.
• Evaluación de prioridades y respuesta coherentes y repetibles. La IA agéntica aplica flujos de trabajo y procesos de forma coherente en todos los incidentes, lo que mejora la fiabilidad operativa al reducir la variabilidad que provocan las operaciones manuales.
• Cobertura ininterrumpida y escala elástica. A diferencia de los equipos humanos, la IA agéntica puede funcionar de forma continua y escalar para administrar grandes volúmenes de alertas, eventos y datos sin necesidad de más personal.
• Mejora de la relación señal-ruido y de la priorización. La IA agéntica puede analizar grandes cantidades de datos contextuales para ayudar a identificar las amenazas más importantes, reducir las alertas innecesarias y mejorar la priorización.
• Mayor resiliencia y administración proactiva de riesgos. La IA agéntica puede supervisar los entornos de forma continua, identificar posibles puntos débiles y respaldar medidas de seguridad proactivas que ayudan a las organizaciones a reducir el riesgo y mejorar la resiliencia operativa con el tiempo.

Varios casos de uso muestran cómo las personas y los agentes pueden trabajar juntos para reforzar la seguridad.

Los equipos de seguridad suelen recibir más alertas de las que pueden investigar manualmente, por lo que la priorización es esencial para responder con eficacia.

El rol del agente:

• Enriquece las alertas con inteligencia sobre amenazas, contexto de recursos y datos de comportamiento de usuario.
• Prioriza los incidentes en función del riesgo y de una puntuación de confianza.
• Recomienda los siguientes pasos para la investigación o la corrección.

El rol del analista:

• Revisa incidentes de alta prioridad.
• Valida los hallazgos y las decisiones de escalado.
• Controla investigaciones complejas o confidenciales.

Los equipos de seguridad dependen de grandes volúmenes de datos sobre amenazas, lo que dificulta extraer con rapidez información relevante y útil.

El rol del agente:

• Recopila y resume inteligencia sobre amenazas de varios orígenes.
• Proporciona conciencia situacional en tiempo real e informes rápidos.
• Correlaciona la actividad de amenazas en distintos entornos.

El rol del analista:

• Interpreta el riesgo estratégico y las tendencias de amenazas.
• Valida la relevancia y el impacto de la inteligencia.
• Guía las prioridades de respuesta y la planificación.

Identificar amenazas ocultas o emergentes requiere un análisis continuo de conjuntos de datos grandes y complejos.

El rol del agente:

• Genera hipótesis de búsqueda y consultas a orígenes de datos.
• Itera en conjuntos de datos grandes para identificar actividad sospechosa.
• Realiza búsquedas continuas en segundo plano para detectar amenazas emergentes.

El rol del analista:

• Valida los hallazgos y determina el impacto empresarial.
• Investiga actividad de ciberataque avanzada o dirigida.
• Refina las estrategias y prioridades de búsqueda de amenazas.

Responder a incidentes de seguridad requiere una coordinación rápida entre las actividades de detección, investigación y contención.

El rol del agente:

• Automatiza la recopilación de pruebas y la documentación de incidentes.
• Redacta cronologías y resume la actividad de ciberataque.
• Completa acciones de contención con la aprobación de los analistas.
• Ayuda a proteger los puntos de conexión y a automatizar los flujos de trabajo de corrección de vulnerabilidades.

El rol del analista:

• Aprueba acciones de respuesta de alto riesgo.
• Supervisa las tareas de corrección y recuperación.
• Coordina la comunicación y la revisión posterior al incidente.

Las organizaciones deben identificar y priorizar las debilidades de seguridad antes de que las exploten los actores malintencionados.

El rol del agente:

• Prioriza las vulnerabilidades según el nivel de riesgo y el valor de los recursos expuestos al riesgo.
• Identifica exposiciones en entornos de nube, puntos de conexión e identidades.
• Recomienda rutas de corrección y acciones de mitigación.

El rol del analista:

• Determina las prioridades de corrección en función del riesgo empresarial.
• Valida las acciones recomendadas.
• Coordina la aplicación de parches y las tareas de reducción de riesgos.

Supervisar la actividad de identidad es fundamental para detectar accesos no autorizados y evitar el uso indebido de privilegios.

El rol del agente:

• Detecta patrones inusuales de inicio de sesión y acceso.
• Identifica permisos de riesgo y riesgos de elevación de privilegios.
• Supervisa continuamente las amenazas relacionadas con la identidad.

El rol del administrador de identidades y acceso:

• Revisa eventos de acceso de alto riesgo.
• Aprueba cambios en la directiva o en los permisos.
• Investiga posibles actividades de compromiso de cuentas o de personas internas.

Los equipos de seguridad deben crear y perfeccionar de forma continua la lógica de detección para seguir el ritmo de las amenazas en evolución.

El rol del agente:

• Escribe y prueba la lógica de detección.
• Valida la cobertura de detección e identifica las brechas.
• Sugiere mejoras de ajuste para reducir los falsos positivos.

El rol del analista:

• Revisa y aprueba las actualizaciones de detección.
• Alinea las detecciones con las prioridades de la organización.
• Supervisa la arquitectura y la estrategia de seguridad a largo plazo.

Proteger los datos confidenciales requiere supervisión continua, clasificación y aplicación de directivas de seguridad.

El rol del agente:

• Investiga y prioriza la prevención de pérdida de datos y los riesgos internos.
• Automatiza el descubrimiento y el análisis de los riesgos de datos confidenciales en todos los entornos.
• Identifica infracciones de directivas y brechas de cumplimiento.

El papel del administrador de seguridad de datos:

• Revisa eventos de exposición de datos de alto riesgo.
• Determina los requisitos de cumplimiento y gobierno.
• Supervisa las decisiones de corrección y aplicación de directivas.

La IA agéntica en ciberseguridad aporta más valor cuando ayuda a los equipos a analizar datos, enriquecer alertas y responder a vulnerabilidades y amenazas en todo el entorno. Para ello, las organizaciones usan API para conectar los agentes de seguridad con las herramientas que ya usan, como SOAR, la detección y respuesta ampliadas (XDR), la administración de la posición de seguridad en la nube (CSPM), la administración de identidades y accesos (IAM), la administración de eventos e información de seguridad (SIEM), las herramientas de detección y respuesta de puntos de conexión (EDR) y las soluciones de gestión de incidencias. Esto permite que los sistemas de IA agéntica recuperen información, coordinen flujos de trabajo, desencadenen acciones y actualicen sistemas en tiempo real.

La Automatización ahorra mucho tiempo a los equipos, pero sigue siendo importante mantener el control y la responsabilidad para evitar acciones no deseadas. Los equipos de seguridad suelen exigir que los analistas revisen las decisiones de alto riesgo, a la vez que permiten más autonomía para las acciones de menor riesgo. En cualquiera de los dos casos, es importante establecer gobernanza de datos y controles de acceso para ayudar a garantizar que la IA solo interactúe con sistemas y datos aprobados.

Los equipos de seguridad que más éxito logran con la IA agéntica implementan herramientas de medición para evaluar en qué medida están cumpliendo los objetivos. Así obtienen la información que necesitan para ajustar y perfeccionar sus implementaciones.

Entre las métricas clave de éxito se incluyen:

Los datos que ayudan a determinar la eficacia de las operaciones de seguridad incluyen:

• MTTD y MTTR.
• Número de alertas que se evalúan o cierran automáticamente.
• Reducción de la tasa de falsos positivos.
• Tiempo necesario para investigar y resolver incidentes.

Estas métricas ofrecen al liderazgo una visión de cómo la IA agéntica está cambiando la forma en que los equipos de seguridad usan su tiempo:

• Horas de analista recuperadas de la investigación y la clasificación manuales.
• Tasa de escalación de las alertas que requieren la intervención del analista.
• Tiempo de incorporación de nuevos analistas que usan flujos de trabajo asistidos por IA.
• Reducción de tareas repetitivas o de poco valor.

Los responsables también pueden ver cómo las mejoras de seguridad afectan a toda la organización con métricas como:

• Coste por incidente de seguridad.
• Cobertura en entornos, identidades, puntos de conexión y recursos en la nube
• Estado general de cumplimiento y preparación para auditorías.
• Reducción de la exposición al riesgo operativo con el tiempo.

Como los sistemas agénticos funcionan con distintos niveles de autonomía, la gobernanza, la transparencia y el control son esenciales para una implementación segura.

• Agentes clandestinos y automatización no administrada. A medida que los sistemas agénticos crecen, las organizaciones pueden crear sin querer agentes no administrados o duplicados. Sin una supervisión adecuada, estos “agentes en la sombra” pueden introducir comportamientos incoherentes o acciones no autorizadas.
• Alucinaciones y falsos positivos. Como otros sistemas de IA, la IA agéntica puede generar conclusiones incorrectas o malinterpretar datos, lo que puede llevar a alertas innecesarias o acciones incorrectas si no se validan.
• Sobreautomatización y pérdida de supervisión. La dependencia excesiva de la automatización puede reducir la visibilidad de los procesos de toma de decisiones, lo que aumenta el riesgo de perder contexto o de realizar acciones inadecuadas.
• Privacidad de los datos y control de acceso. Los sistemas de IA agéntica requieren acceso a datos confidenciales de seguridad, por lo que resultan fundamentales unos controles estrictos sobre los permisos, los límites de datos y el acceso con privilegios mínimos.
• Desfase del modelo y manipulación adversaria. Con el tiempo, el rendimiento del modelo puede degradarse a medida que cambian los entornos. Además, los ciberatacantes pueden intentar manipular las entradas o las métricas para influir en el comportamiento del agente.

• El Marco de Administración de Riesgos de IA del NIST (AI RMF) ofrece orientación para administrar los riesgos relacionados con la IA a lo largo de todo el ciclo de vida, incluida la gobernanza, el mapeo, la medición y la administración.
• ISO/IEC 42001 establece los requisitos de un sistema de administración de IA y se centra en el desarrollo y el uso responsable de los sistemas de IA.
• La Ley de IA de la UE introduce una clasificación basada en riesgos y requisitos de cumplimiento para los sistemas de IA que operan en la Unión Europea o la afectan.
• Las normativas específicas de cada sector son requisitos exclusivos para determinadas industrias, como la Ley de transferencia y responsabilidad de seguros de salud (HIPAA) para la protección de datos sanitarios, el Estándar de Seguridad de Datos para la Industria de Tarjetas de Pago (PCI DSS) para la seguridad de los pagos y la Ley Sarbanes-Oxley (SOX) para los controles de informes financieros.

A medida que los equipos de seguridad implementan y amplían la IA agéntica para la ciberseguridad en sus organizaciones, una estrategia bien pensada ayuda a mejorar los resultados de seguridad sin dejar de mantener la transparencia, la responsabilidad y la confianza en todos los equipos.

Las organizaciones suelen introducir la IA agéntica en fases controladas, empezando por casos de uso asistenciales de bajo riesgo antes de pasar a acciones de mayor impacto. También es importante priorizar la transparencia en la forma en que los agentes de seguridad toman decisiones.

Unos límites bien definidos ayudan a restringir el comportamiento del agente a unos límites seguros y esperados. Para reducir el riesgo de comportamientos inesperados, los equipos definen qué acciones pueden completar de forma autónoma los agentes de IA para ciberseguridad, establecen flujos de trabajo de aprobación para operaciones de alto impacto o confidenciales y fijan umbrales para cuando los agentes de seguridad deban escalar incidencias a los analistas.

El control de acceso basado en roles (RBAC) ayuda a reducir el riesgo de actividad no deseada al restringir el acceso del agente a los sistemas, los datos y las acciones que necesita para su función específica. Por este motivo, los equipos de identidades aplican a los agentes los mismos principios de privilegio mínimo que aplican a las personas.

Para mantener la visibilidad del comportamiento del agente, los equipos de seguridad registran y auditan todas las acciones del agente, incluidas las decisiones, el uso de herramientas y los resultados. Esto les ayuda a investigar incidentes, cumplir los requisitos de conformidad y detectar problemas de implementación que hay que ajustar.

Los analistas tienen más probabilidades de adoptar la IA agéntica si sienten que están informados y tienen el control. Las organizaciones pueden generar confianza si se aseguran de que las recomendaciones del agente sean claras y fáciles de entender. También obtienen mejores resultados cuando usan la IA para complementar, y no sustituir, la toma de decisiones de los analistas.

Los centros de operaciones de seguridad (SOC), TI y los equipos de cumplimiento desempeñan una función en la implementación segura y eficaz de la IA agéntica, en línea con la tolerancia al riesgo de la organización. Un equipo multidisciplinar ayuda a las organizaciones a definir casos de uso operativos, administrar la integración y la infraestructura, y cumplir los requisitos normativos.

Crear flujos de trabajo totalmente agénticos que funcionen en distintos dominios de seguridad es un proceso de varias fases. A medida que las organizaciones aumentan su madurez operativa, necesitan una gobernanza y una supervisión más sólidas.

En la fase inicial, las organizaciones usan scripts y flujos de trabajo predefinidos para administrar tareas de seguridad repetitivas.

Qué aspecto tiene el éxito:

• Finalización coherente de tareas rutinarias, como el enriquecimiento de alertas o la creación de incidencias.
• Menor esfuerzo manual en flujos de trabajo de baja complejidad.
• Dependencia de reglas estáticas y cuadernos de estrategias.

Indicadores de preparación:

• Integraciones estables de SIEM, SOAR y sistemas de vales.
• Procesos de operaciones de seguridad claramente definidos y repetibles.
• Un gran volumen de tareas repetitivas de analista.

En esta fase, la IA ayuda a los analistas al mejorar la visibilidad, la síntesis y la toma de decisiones, pero no toma medidas directas.

Qué aspecto tiene el éxito:

• Investigación más rápida gracias a resúmenes e información generados por IA.
• Mejor comprensión de las alertas y enriquecimiento del contexto.
• Los analistas siguen siendo totalmente responsables de las decisiones y las acciones.

Indicadores de preparación:

• Canalizaciones de datos maduras y métricas centralizadas.
• Procesos consolidados de operaciones de seguridad.
• Necesidad de acelerar la clasificación inicial y el apoyo a la investigación.

Aquí, la IA agéntica empieza a tomar medidas limitadas dentro de unos límites definidos, mientras las personas conservan la autoridad de aprobación para las operaciones de mayor riesgo.

Qué aspecto tiene el éxito:

• Clasificación automática, enriquecimiento y pasos de corrección recomendados.
• Menor carga de trabajo para los analistas en tareas repetitivas de investigación.
• Aprobación con intervención humana para las acciones de contención y corrección.

Indicadores de preparación:

• Controles sólidos de identidad y acceso para los sistemas de automatización.
• Flujos de escalado y aprobación bien definidos.
• Confianza en la calidad de los datos y en las integraciones de sistemas.

En la etapa más madura, la IA agéntica opera en varios dominios y coordina acciones con una intervención mínima del analista dentro de límites establecidos. Esto permite una orquestación de seguridad de extremo a extremo en toda la organización.

Qué aspecto tiene el éxito:

• Detección, investigación y respuesta continuas y autónomas en todos los entornos.
• Coordinación entre dominios de seguridad, TI, identidad y sistemas de cumplimiento.
• Las personas se centran en la gobernanza, la estrategia y el tratamiento de excepciones.

Indicadores de preparación:

• Marcos de gobernanza maduros para IA y automatización.
• Métricas de alta confianza e integridad de los datos en todos los sistemas.
• Fuerte alineación entre los equipos de seguridad, TI y cumplimiento.
• Confianza consolidada en la toma de decisiones automatizada, con capacidad de auditoría y supervisión.

La IA agéntica aún está en una fase inicial de adopción, pero varias tendencias claras están marcando su evolución en seguridad.

• Red teaming autónomo. Los agentes de IA simularán cada vez más el comportamiento de un atacante para probar las defensas de forma continua, identificar puntos débiles y validar los controles de seguridad en tiempo real.
• Bucles de agentes. La IA agéntica para las operaciones de seguridad será cada vez más continua y se autofortalecerá, con agentes que perciben, actúan y aprenden de los resultados para perfeccionar la detección y la respuesta.
• Conflicto cibernético de IA a IA. A medida que los ciberatacantes también adopten la IA, los futuros enfrentamientos cibernéticos podrían implicar sistemas agénticos defensivos y ofensivos compitiendo directamente entre sí.
• Defensa predictiva. En lugar de reaccionar ante incidentes, los sistemas agénticos anticiparán las amenazas mediante el análisis de patrones, datos de exposición y comportamiento de los atacantes para evitar ciberataques antes de que se produzcan.
• Agentes de IA colaborativos. Varios agentes especializados se coordinarán entre tareas, como la detección, la investigación, la corrección y la generación de informes, para crear flujos de trabajo de seguridad más escalables y resilientes.
• Evolución del rol del analista. Los analistas dejarán de centrarse en tareas repetitivas de investigación y respuesta para asumir responsabilidades de mayor valor, como la supervisión de agentes, el diseño de directivas y la administración estratégica de riesgos.

Las organizaciones pueden detectar, investigar y responder a las amenazas en todo su patrimonio digital con una plataforma de seguridad unificada e impulsada por IA de Microsoft. En el centro está Microsoft Security Copilot, una solución de seguridad asistida por IA y en lenguaje natural que permite a los analistas razonar sobre incidentes, resumir amenazas y coordinar acciones de respuesta en distintos entornos. Los agentes integrados amplían estas capacidades en las soluciones de Seguridad de Microsoft.

Los equipos de seguridad suelen verse desbordados por el volumen de alertas, la clasificación manual y las investigaciones fragmentadas. En Microsoft Defender XDR, la IA agéntica ayuda a priorizar los problemas de alto riesgo, investigar los incidentes más rápido y mejorar la eficacia de la respuesta.

• Agente de evaluación de alertas de seguridad — Prioriza las alertas para reducir el ruido y ayudar a los analistas a centrarse antes en los incidentes de alto riesgo.
• Agente analista de seguridad — Investiga incidentes, correlaciona señales y recomienda acciones de respuesta para optimizar los flujos de trabajo del SOC.
• Agente de búsqueda de amenazas — Busca en todos los entornos para descubrir amenazas ocultas, comportamientos sospechosos y patrones de ataque emergentes.
• Agente de detección de amenazas dinámicas — Analiza la actividad de forma continua y adapta la lógica de detección para identificar amenazas y anomalías en evolución.
• Agente de informes de inteligencia sobre amenazas — Resume la inteligencia sobre amenazas en información práctica para que los equipos se mantengan un paso por delante de los riesgos emergentes.

Juntos, estos agentes ayudan a reducir la investigación manual y a acelerar la respuesta ante incidentes en puntos de conexión, identidades, correo electrónico y cargas de trabajo en la nube.

En Microsoft Sentinel, Security Copilot ayuda a los analistas a pasar de la investigación manual a flujos de trabajo basados en lenguaje natural y secuencia de indicaciones. Los analistas pueden generar KQL, resumir incidentes, enriquecer entidades, analizar usuarios y dispositivos, y automatizar pasos de investigación mediante Logic Apps y secuencia de indicaciones.

Un agente personalizado de informes de incidentes de Sentinel puede extraer de los incidentes los resultados de la investigación, las entidades, la información y los pasos de corrección. Las secuencias de indicaciones también pueden automatizar el análisis de usuarios y agregar los resultados directamente a los registros de actividad del incidente.

Estas capacidades ayudan a reducir la escritura manual de consultas, mejorar la coherencia de las investigaciones y ahorrar tiempo a los analistas al automatizar tareas repetibles.

En Microsoft Purview, Security Copilot ayuda a los equipos a proteger y gobernar los datos en Administración de postura de seguridad de datos, Prevención de pérdida de datos, Administración de riesgos internos, eDiscovery, Auditoría y Cumplimiento de comunicaciones.

• Agente de evaluación de seguridad de datos — Prioriza las alertas de DLP y de riesgos internos, explica el contexto del riesgo y puede iniciar flujos de trabajo de corrección con los propietarios de los datos.
• Agente de postura de seguridad de datos — Detecta datos confidenciales, identifica riesgos ocultos y credenciales expuestas, mejora el etiquetado de confidencialidad y genera resúmenes listos para la dirección.

Estos agentes ayudan a los equipos de seguridad a reducir la clasificación manual, priorizar antes los riesgos críticos y reforzar las operaciones de seguridad y cumplimiento de datos.

En Microsoft Entra, Security Copilot ayuda a los equipos a investigar usuarios de riesgo, inicios de sesión inusuales, acceso con privilegios y amenazas basadas en identidades. Copilot puede resumir el contexto de la identidad, explicar las señales de riesgo y recomendar acciones como revocación de sesiones, revisiones de acceso o ajuste de directivas de Acceso Condicional.

Las capacidades incluyen agentes de identidad y acceso y Agente de Microsoft Entra ID, que ayuda a las organizaciones a registrar, administrar y gobernar las identidades de los agentes de IA con controles de administración del ciclo de vida, gobernanza de acceso y protección de identidades.

Estas capacidades ayudan a las organizaciones a reducir el riesgo de identidad y a aplicar los principios de Confianza cero tanto a identidades humanas como de IA.

En Intune, Security Copilot ayuda a los equipos de punto de conexión y TI a entender el cumplimiento de los dispositivos, la desviación de la configuración, la exposición a vulnerabilidades y las necesidades de corrección. Copilot puede resumir el riesgo del dispositivo, explicar los problemas de incumplimiento, recomendar los siguientes pasos y ayudar a los equipos a responder más rápido.

Los agentes de administración de punto de conexión ayudan a automatizar las comprobaciones de cumplimiento, investigar problemas de dispositivos y guiar la corrección en puntos de conexión administrados.

Estas capacidades ayudan a reducir la investigación manual de puntos de conexión, mejorar las operaciones de cumplimiento y cerrar más rápido las brechas de configuración.

Juntos, Microsoft Security Copilot y los agentes integrados ayudan a las organizaciones a pasar de unas operaciones de seguridad reactivas y manuales a una defensa adaptable y asistida por IA que mejora la protección, la velocidad y la escala en todo el ciclo de vida de la seguridad.