La IA descifra un mensaje aleman que llevaba 108 años sin poder ser interpretado

La IA descifró un mensaje secreto de hace 108 años: esto decía
https://www.teleurban.tv/
Raymundo Rangel Laguna

El mensaje estaba protegido mediante el sistema de cifrado ADFGVX y ya fue desifrado

 

 Gemini

Un mensaje militar alemán que llevaba 108 años sin poder ser descifrado finalmente pudo ser interpretado con ayuda de Inteligencia Artificial (IA). El documento fue enviado durante los últimos meses de la Primera Guerra Mundial y contenía información sobre movimientos navales aliados en la zona de Sebastopol, en Crimea.

De acuerdo con el portal Cronista, el mensaje estaba protegido mediante el sistema de cifrado ADFGVX, utilizado por el ejército alemán durante la Primera Guerra Mundial. El método combinaba una cuadrícula de seis por seis con una clave que permitía transformar y reorganizar los caracteres del mensaje.

¿Qué decía el mensaje secreto?

Después de reconstruir el mecanismo de cifrado, la inteligencia artificial logró recuperar el contenido de la comunicación.

El mensaje hacía referencia a la llegada de un crucero inglés a Sebastopol y al desplazamiento posterior de un escuadrón aliado. La información pudo compararse con registros históricos de los movimientos de barcos en la zona.

La palabra clave utilizada para descifrarlo fue “TRUPPENVERSCHIEBUNG”, una expresión alemana relacionada con el movimiento o reubicación de tropas.

La IA encontró algo que no cuadraba

Pero el descifrado no cerró completamente el misterio.

El análisis detectó una inconsistencia en las fechas. El mensaje habría sido enviado el 27 de noviembre de 1918, mientras que algunos de los movimientos navales mencionados ya habían ocurrido días antes.

Los registros del HMS Canterbury señalan que el barco llegó a Sebastopol el 24 de noviembre y que un escuadrón aliado arribó el 26. Esto significa que la cronología del mensaje todavía plantea preguntas.

Además, quedó un carácter sin interpretar completamente en una parte del texto recuperado. La posibilidad de que se trate de un error de transcripción ha sido planteada, pero no existe una explicación definitiva.

¿Por qué es importante este descubrimiento?

Más allá del contenido del mensaje, el caso muestra una aplicación poco habitual de la inteligencia artificial: no se limitó a traducir un documento antiguo, sino que ayudó a reconstruir el sistema utilizado para cifrarlo.

El mensaje formaba parte de una colección de antiguos cifrados que permanecían sin resolver. Su descifrado abre la posibilidad de utilizar modelos de IA para investigar otros documentos históricos que durante décadas o incluso siglos han permanecido inaccesibles.

Sin embargo, el caso también demuestra que descifrar un código no necesariamente significa resolver todo el misterio: la IA recuperó el contenido, pero algunas preguntas sobre las fechas y la transmisión del mensaje siguen abiertas.

Read more...

La nueva IA de Google Gemma 4 es completamente gratuita, no necesita conexión a internet y se puede usar en cualquier móvil

Google tiene una IA que está fascinando a todos: es 100% gratis, no necesita internet y la puedes usar hasta en tu móvil

https://blogthinkbig.com
Rubén Chicharro

Google lleva meses demostrando lo que es capaz con la inteligencia artificial, y prueba de ello son algunos de sus modelos más populares, como Gemini o NotebookLM. Pero esto es solo una pequeña parte de lo que la compañía puede ofrecer. De hecho, Google tiene una nueva IA que está fascinando a todo el mundo por las ventajas que ofrece frente a ChatGPT o Claude. Se llama Gemma 4, es completamente gratuita, no necesita conexión a internet y se puede usar en cualquier móvil.

Lo cierto es que Gemma 4 no es el modelo de inteligencia artificial más potente que tiene Google. De hecho, tampoco es tan capaz como Claude o ChatGPT (aunque, reiteramos, sí tiene algunas ventajas frente a ambos). El de la compañía de Mountain View es un modelo pequeño, de un peso de entre 2B y 4B (muy por detrás de Gemini, incluso). Su objetivo es llevar la IA a cualquier móvil para que los usuarios puedan realizar preguntas rápidas o gestionar tareas concretas.

Gemma 4 funciona de forma local. La IA de Google gestiona absolutamente todo desde el dispositivo, pues utiliza tanto la memoria como el procesador del smartphone para procesar toda la información. Esto hace que sea una IA muy útil para preguntas relacionadas con archivos, imágenes o documentos que tienes almacenados en tu móvil, así como tareas de productividad, como la transcripción de audio o texto.

Todo lo que puedes hacer con Gemma 4

La nueva IA de Google cuenta con diferentes funciones a las que puedes acceder directamente una vez instales Gemma 4 en tu smartphone. Entre ellas se incluye un modo de chat similar al que utilizamos con ChatGPT, Gemini o Claude, e incluso un minijuego. Son las siguientes.

• AI Chat: el modo chat con el que poder realizar preguntas y respuestas. Se incluye un modo de Pensamiento con un razonamiento más avanzado.
• Agente Skills: función con la que puedes utilizar la IA como un asistente. Gemma 4 puede nutrirse de herramientas externas para realizar acciones que le pidamos.
• Audio Escribe: traducir o transcribir audios.
• Ask Image: permite identificar objetos o personas que aparecen en una fotografía.
• Prompt Lab: un modo con el que probar prompts o comprobar los parámetros del modelo de IA (como la temperatura).
• Tiny Garden: una especie de juego con el que puedes crear un jardín utilizando lenguaje natural.
• Mobile Actions: función que permite automatizar tareas en el propio dispositivo.

Eso sí, debes tener en cuenta que, al ser una IA local, Gemma 4 tiene algunas limitaciones. Una de ellas es, precisamente, su funcionamiento sin conexión. Si bien para muchos puede resultar una ventaja dado que está accesible en todo momento, cuando no tengas acceso a internet no vas a poder preguntar sobre temas de actualidad o en los que la IA tenga que buscar información en la red.

Cómo se usa en tu móvil

Gemma 4 no está disponible a través de una app específica, pero instalarla es un proceso muy sencillo que te llevará unos segundos. Para ello, basta con: 

• descargar la app AI Edge Gallery de Google, que está disponible tanto en Google Play como App Store. 
• Una vez instalada, puedes descargar el modelo pulsando en el menú que aparece en la zona superior izquierda y después en ‘Models’.
• A continuación, desliza hasta encontrar la opción de Gemma 4 y pulsa en ‘Descargar’.

Google ofrece diferentes versiones de Gemma 4 dependiendo de la capacidad de tu móvil. La versión más básica es Gemma E2B, que ocupa 2,5 GB y cuenta con un tamaño de 2.000 millones de parámetros; perfecto para usos puntuales. La segunda es Gemma E4B, cuyo peso es de 3,6 GB, cuenta con un tamaño de 4.000 millones de parámetros. Si bien requiere de un móvil más potente, es una opción ideal para aquellos que buscan una IA para razonamiento más avanzado, respuestas más coherentes, etc.

Read more...

El Agente IA y el Archivólogo: su relación con la gestión de archivos electrónicos en las empresas

El Agente IA y el Archivólogo:  su relación con la gestión de archivos electrónicos en las empresas

Por Lic. Carmen Marín con la asistencia de Gemini

Imagen creada por Grok

El análisis del artículo de Kate Liapun https://www.unite.ai/es/ai-adoption-digitization-constraints-infrastructurdocumental y archie/ desde el punto de vista del profesional archivólogo nos conduce a observar factores que inciden en el desarrollo de las actividades inherentes al departamento de archivo para realizar una verdadera gestión documental que cumpla con el propósito de su existencia, que no es otra que la organización y gestión de la información tanto física como electrónica que generan los diversos departamentos que forman la empresa u organismo.

Primero se expondrá la relación en el desarrollo de la función del Agente IA con la gestión de los archivos electrónicos en las empresas, luego el choque entre la normativa archivística técnica y las dinámicas de poder organizacional en las empresas u organismos, por último, explorar alguna estrategia pedagógica o de negociación ejecutiva para presentar el valor de la gobernanza de información ante la directiva

01. El Agente IA y su relación con la gestión de archivos electrónicos en las empresas, tomando como base el artículo “Tu agente de IA solo es tan bueno como tu sistema de archivo”

El artículo de Kate Liapun ("Tu agente de IA solo es tan bueno como tu sistema de archivo") toca una fibra medular y crítica que muchas empresas están ignorando en su afán por subirse a la ola de la Inteligencia Artificial: la IA no es una varita mágica que corrige el caos informacional; es un espejo que amplifica la calidad y la madurez de la gestión documental de una organización.

Desde la perspectiva de la gestión de archivos electrónicos y la gobernanza de la información documental física o electrónica, el texto ofrece lecciones fundamentales.

Key Takeaways e Implicaciones Archivísticas

[Datos No Digitalizados / Fragmentados] ──┐

[Conocimiento Tácito No Registrado] ├──> Sistema Incompleto ──> IA Ineficiente /

[Falta de Trazabilidad / Privacidad] ──┘ Sesgada ("Alucinaciones")

1. La "Calidad de Representación" de la Realidad

• La visión del artículo: Un agente de IA no interactúa con la empresa real, sino con la representación digital de esa empresa almacenada en sus sistemas.
• Impacto en el archivo electrónico: Si el fondo documental electrónico está incompleto, desactualizado o desestructurado, la "memoria corporativa" que consume la IA estará sesgada. El principio archivístico de autenticidad e integridad adquiere un nuevo rol: no es solo para auditorías legales, sino el requisito de entrada (input) para que los modelos de lenguaje o agentes funcionen sin "alucinar" o inventar.

2. La brecha del Conocimiento Tácito vs. Documentación Implícita

• La visión del artículo: Cita el estudio donde la ambigüedad reduce el rendimiento del modelo del 89% al 9% cuando faltan premisas que solo están "en la cabeza" de los empleados.
• Impacto en el archivo electrónico: Esto refuerza la necesidad de la captura de contexto y metadatos. Si una decisión empresarial o una excepción operativa no se formaliza en un registro o metadato de proceso (siguiendo estándares como ISO 23081), la IA carece de los datos contextuales para interpretar la información correctamente.

3. La Madurez Digital previa como Prerrequisito

• La visión del artículo: Compara la adopción de IA en Dinamarca (42%) vs. Alemania (26%), demostrando que tener acceso a la misma tecnología no sirve de nada si los procesos subyacentes aún dependen del papel o de flujos analógicos.
• Impacto en el archivo electrónico: Muestra claramente que digitalizar un paso aislado (como la factura electrónica) no basta. Se requiere una gestión documental integral de extremo a extremo (End-to-End), donde los flujos de trabajo paralelos en papel o canales informales sean eliminados.

4. Gobernanza, Privacidad y Reutilización de Datos (RGPD)

La visión del artículo: Explica cómo el Reglamento General de Protección de Datos (RGPD) y los controles de privacidad/seguridad limitan la "reutilización" de datos para entrenar agentes, creando brechas en la profundidad de adopción respecto a mercados menos regulados.

• Impacto en el archivo electrónico: Este es el punto exacto donde la Gobernanza de la Información y la Archivística demuestran su valor estratégico:

• Políticas de retención claras (Disposition schedules).
• Clasificación funcional de datos desde el diseño (Privacy by Design).
• Separación de datos personales de los registros operativos para permitir el uso seguro de agentes analíticos sin vulnerar normativas.

El Rol Redefinido del Archivólogo Corporativo

Este artículo deja en evidencia que la implementación exitosa de agentes de IA en las empresas no es un problema estrictamente informático o de elección de modelos, sino un problema de arquitectura de información y gestión documental.

Reto identificado en el artículo	Solución desde la Gestión de Archivos Electrónicos
"La información no se digitalizó"	Políticas de captura en el origen, cero flujos analógicos paralelos.
"La información está en la cabeza de alguien"	Esquemas de metadatos contextuales y gestión del conocimiento documentado.
"La información no puede transmitirse"	Cuadros de clasificación, control de accesos y gestión del ciclo de vida bajo marcos de gobernanza.

 
Los agentes de IA no vienen a reemplazar el sistema de archivo; dependen críticamente de él. Sin un sistema de gestión de documentos electrónicos confiable, seguro, estandarizado y contextualizado, cualquier agente de IA operará sobre un terreno movedizo.

02. El choque entre la normativa archivística técnica y las dinámicas de poder organizacional.

Cuando la información se utiliza como un activo de poder individual o departamental ("información es poder"), el concepto de transparencia, trazabilidad y memoria corporativa se quiebra. Los silos de información y el "acaparamiento" de expedientes por parte de directivos no solo entorpecen el trabajo del archivólogo, sino que crean agujeros negros en los procesos administrativos de la organización.

La paradoja del poder informacional y la IA

Este comportamiento genera una paradoja que el propio artículo expone implícitamente: 

• El sesgo de la cúpula: Los mismos ejecutivos que retienen información de forma celosa son, a menudo, los primeros en exigir la implementación de herramientas de Inteligencia Artificial para "modernizar" o acelerar la toma de decisiones.
• El colapso del sistema: Al limitar el acceso del profesional de la información para clasificar, estructurar y vincular esa documentación al flujo general, garantizan que cualquier agente de IA o sistema automatizado funcione de forma deficiente o sesgada. La IA no podrá procesar lo que ellos mantienen oculto o aislado en sus carpetas locales.

Estrategias de abordaje frente a la barrera directiva

Aunque romper la cultura del acaparamiento informacional es un desafío complejo, existen enfoques estratégicos para reconfigurar la conversación con la alta dirección:

1. Redefinir el problema: Del "Cumplimiento Archivístico" al "Riesgo Corporativo"

A menudo, apelar a las normas archivísticas es ignorado por directivos que ven la gestión documental como un trámite puramente burocrático, o el miedo o temor a la pérdida de poder sobre el manejo de cierta información importante. La conversación cambia cuando el problema se traduce al lenguaje de la alta gerencia:

• Riesgo legal y de cumplimiento: Mostrar cómo la retención informal o la falta de trazabilidad expone a la empresa a sanciones, litigios o pérdidas financieras.
• Costo de la ineficiencia: Cuantificar las horas de trabajo perdidas buscando expedientes fragmentados o reconstruyendo decisiones pasadas porque la información quedó o es aislada.

2. La IA como aliado argumental para el Archivólogo

Hoy en día, la presión por adoptar IA ofrece una palanca estratégica inédita:

• Demostrar el impacto de la brecha: Cuando se evalúe o intente implementar una herramienta de automatización o IA, señalar técnicamente que la tasa de error o la falta de precisión del sistema será responsabilidad directa de los vacíos informacionales y los flujos no integrados.
• Elevar el rol técnico: Posicionar la labor archivística no como un "almacén de papeles/archivos", sino como la condición habilitadora indispensable para la transformación digital segura.

3. Auditoría de Flujos y Mapeo de Silos

En lugar de confrontar directamente el control de un jefe específico, realizar diagnósticos de procesos donde se evidencie objetivamente dónde se interrumpe la cadena de custodia de la información y qué impacto tiene en los resultados globales de la empresa.

Entender la información como un patrimonio de la empresa y no como una propiedad personal de cada jefe requiere un cambio cultural profundo. Mientras ese cambio ocurre, documentar los riesgos y demostrar las consecuencias técnicas de esas barreras sigue siendo la mejor defensa profesional.

03. Estrategia pedagógica o de negociación ejecutiva para presentar el valor de la gobernanza de información ante la directiva

Lidiar con departamentos como Recursos Humanos o Administración cuando están blindados por alianzas políticas con la alta gerencia ("amiguismos") es, probablemente, el escenario más complejo para un archivólogo. En estos casos, apelar al "deber ser" o a la normativa archivística suele rebotar contra una pared, porque la negativa a compartir información no es por desconocimiento, sino por una estrategia deliberada de control y protección de feudos de poder.

Cuando el marco normativo no basta para romper esos blindajes, la estrategia debe cambiar: dejar de pedir acceso de forma directa y pasar a gestionar el riesgo técnico y legal.

Estrategias de Negociación y Posicionamiento Político-Técnico

1. Mover el foco: De "Acceso a la Información" a "Definición de Roles de Custodia"

Si un gerente de RRHH o Administración se niega a entregar expedientes o permitir su clasificación centralizada bajo el pretexto de la confidencialidad, no discutas la entrega física o lógica. Define la responsabilidad explícita:

• Matriz de Responsabilidad (RACI): Documenta formalmente que el Departamento de RRHH asume la custodia y responsabilidad legal exclusiva del ciclo de vida de esos documentos, liberando al archivo central/corporativo de cualquier responsabilidad en caso de pérdida, fuga de información, o incumplimiento en auditorías.
• Efecto: Al hacerlos legalmente responsables del pasivo informacional que custodian de forma aislada, la actitud suele cambiar cuando perciben el riesgo de una sanción o demanda sin el respaldo del equipo técnico.

2. Apelar a la "Gestión del Riesgo" antes que al "Cumplimiento Archivístico"

A la alta gerencia y a sus aliados no les motiva la "organización del archivo", pero sí les aterroriza el riesgo operativo o legal. La narrativa debe enfocarse en tres puntos críticos:

• Continuidad del Negocio: ¿Qué pasa si el gerente o un empleado clave de RRHH/Administración se va de la empresa mañana? Si la información está en su criterio personal o en carpetas locales, la operación se paraliza.
• Riesgo de Litigio: Un expediente de personal o administrativo incompleto o mal gestionado es una causa perdida en un tribunal laboral o fiscal.
• Seguridad y Confidencialidad: Paradójicamente, las áreas que más celan la información suelen ser las que peor la aseguran (archivos en carpetas compartidas sin permisos adecuados, correos personales, papel sin llave). Ofrecer un esquema de seguridad estructurado (control de acceso por roles) demuestra que el archivo protege la información, no la expone.

3. Ofrecer Servicios de "Gobernanza a la Medida" (Gana-Gana)

En lugar de solicitar que "entreguen" la información al archivo, la propuesta puede estructurarse como un servicio de apoyo técnico que respete sus niveles de privacidad:

• Creación de Cuadros de Clasificación y Retención Específicos: Ayudarles a organizar su información en su propio entorno, estableciendo reglas de retención y eliminación segura sin que sientan que "pierden" el control diario.
• Aislamiento por Permisos: Demostrarles técnicamente que, en un sistema de gestión documental electrónico, el archivólogo administra la estructura y las reglas, pero no necesariamente tiene visibilidad sobre el contenido sensible si se configuran perfiles de acceso restringidos.

4. La Estrategia del "Registro de Inconsistencias" (Blindaje Profesional)

Cuando la negativa persiste y bloquea directamente el trabajo del archivólogo:

• Trazabilidad de la Negativa: Dejar constancia formal y respetuosa en informes de gestión (por ejemplo: "No fue posible consolidar la serie documental 'Expedientes de Personal' debido a restricciones de acceso impuestas por el área origen; se señala el riesgo de duplicidad e incompletes en auditorías").
• Esto protege el prestigio profesional del archivólogo ante futuras auditorías o fallos en la implementación de tecnologías (como agentes de IA o automatización de procesos), demostrando que la falla no fue metodológica, sino operacional por bloqueo de origen.

El Tablero de Argumentación Ejecutiva
 

Argumento del Gerente "Blindado"	Respuesta Estratégica del Archivólogo
"Esta información es confidencial y solo la maneja mi departamento."	"De acuerdo. Diseñemos la estructura de almacenamiento con permisos restringidos exclusivamente para su personal, pero aplicando las tablas de retención legal para evitar riesgos fiscales/laborales."
"Siempre lo hemos llevado así y funciona."	"Funciona en la operación diaria, pero genera un riesgo de continuidad si hay rotación de personal o un requerimiento legal/auditoría urgente que exija trazabilidad."
"No tenemos tiempo para procesos de archivo."	"Nosotros asumimos el diseño metodológico para simplificarles la búsqueda y reducir el tiempo que su equipo pierde localizando documentos."

Transformar esta dinámica requiere tiempo y una diplomacia corporativa astuta, utilizando el peso de los riesgos operacionales para que la alta gerencia entienda que blindar la mala gestión de sus "amigos" compromete la estabilidad de toda la organización.

HERRAMIENTA 1: Plantilla de Informe Ejecutivo de Riesgos Informacionales

Propósito: Comunicar a la Alta Dirección —en su propio lenguaje estratégico y de negocio— el impacto negativo y los riesgos reales que generan los silos de información y el aislamiento documental en áreas clave como Recursos Humanos y Administración, sin asumir un tono de confrontación personal.

Markdown

# INFORME EJECUTIVO DE EVALUACIÓN DE RIESGOS EN LA GOBERNANZA DE LA INFORMACIÓN Y CONTINUIDAD DE NEGOCIO

**PARA:** [Nombre y Cargo del Director General / Gerente General]

**DE:** [Nombre del Archivólogo / Gerente de Archivos Corporativos]

**FECHA:** [Fecha]

**ASUNTO:** Diagnóstico de Matriz de Riesgo Informacional y Estrategias de Mitigación Operativa

---

### 1. OBJETIVO DEL INFORME

Presentar una evaluación técnica sobre el estado actual de la gestión de activos de información en la organización, identificando vulnerabilidades operativas, riesgos legales/financieros derivados de la fragmentación documental, y proponiendo un marco de mitigación que garantice la continuidad del negocio y el cumplimiento normativo.

---

### 2. RESUMEN EJECUTIVO

Durante la evaluación de los flujos documentales en las áreas de [Recursos Humanos / Administración / Contabilidad], se han identificado **silos de información cerrados** y **mecanismos de custodia paralelos**. Aunque estos esquemas responden al deseo de proteger la confidencialidad de los datos, en la práctica generan riesgos significativos para la organización:

* **Sectores Afectados:** [e.g., Expedientes de Personal, Contratos de Proveedores, Pasivos Laborales].

* **Nivel de Riesgo Corporativo Global:** [ALTO / CRÍTICO].

* **Causa Raíz:** Falta de integración de las series documentales bajo un marco unificado de gobernanza y control de ciclo de vida.

---

### 3. MATRIZ DE RIESGOS DENTIFICADOS Y SU IMPACTO EMPRESARIAL

| Categoría de Riesgo | Hallazgo / Práctica Actual | Impacto Operativo y Financiero |

| :--- | :--- | :--- |

| **Riesgo Legal y Penal** | Incompletes o falta de trazabilidad en expedientes de personal y contratos administrativos guardados exclusivamente en almacenamiento local. | **Incapacidad de defensa sólida** ante demandas laborales, inspecciones fiscales o auditorías externas, derivando en multas o fallos en contra por falta de prueba documental válida. |

| **Riesgo de Continuidad de Negocio** | El conocimiento del proceso y la ubicación de documentos clave residen únicamente en el criterio individual de personal clave del área. | **Parálisis operativa y pérdida de memoria corporativa** ante la rotación, renuncia o ausencia imprevista del personal custodio. |

| **Inseguridad y Fuga de Datos** | Manejo de información sensible (datos personales/financieros) en carpetas compartidas locales o archivos físicos sin trazabilidad estandarizada. | **Vulneración de normativas de protección de datos**, exposición a accesos no autorizados y falta de registro de auditoría (*audit trail*). |

| **Ineficiencia y Costos Ocultos** | Búsquedas prolongadas, duplicidad de documentos y re-creación de información existente. | **Pérdida estimada del 15% al 20% de tiempo operativo** del personal directivo y técnico en tareas de localización documental. |

| **Falta de Preparación Tecnológica** | Registros no estructurados o aislados fuera del sistema central de gestión de la información. | **Imposibilidad de implementar automatización o herramientas de IA**, reduciendo la precisión de las analíticas corporativas. |

---

### 4. DELIMITACIÓN DE RESPONSABILIDAD TÉCNICA

Se hace constar que, hasta tanto las series documentales de los departamentos mencionados no sean integradas bajo los lineamientos del Cuadro de Clasificación y las Tablas de Retención de la empresa:

1. La responsabilidad técnica y legal sobre la integridad, conservación, conservación de la cadena de custodia y disponibilidad de dichos documentos recae de manera exclusiva en los departamentos origen que los custodian de forma aislada.

2. La Gerencia de Archivos Corporativos queda eximida de responsabilidad ante la imposibilidad de responder con celeridad y rigor metodológico a requerimientos judiciales, regulatorios o auditorías sobre estos fondos.

---

### 5. RECOMENDACIONES Y PLAN DE ACCIÓN (GANA-GANA)

Para solucionar esta vulnerabilidad sin comprometer la confidencialidad requerida por áreas sensibles, se propone:

1. **Aislación Segura (RBAC):** Implementar una estructura de almacenamiento electrónico centralizada pero blindada mediante *Control de Acceso Basado en Roles*, garantizando que solo el personal autorizado del área pueda leer o editar los contenidos.

2. **Definición de Tablas de Retención (TRD):** Establecer calendarios de conservación para que los documentos no se acumulen indefinidamente ni se eliminen de forma prematura.

3. **Punto de Enlace Técnico:** Asignar un rol de enlace dentro de cada gerencia para estandarizar la captura de metadatos sin alterar su dinámica diaria.

**Atentamente,**

_______________________________________

**[Tu Nombre]**

[Tu Cargo / Gerencia de Archivos Corporativos]

HERRAMIENTA 2: Modelo de Control de Accesos por Roles (RBAC) para Áreas Sensibles

Propósito: Demostrar técnicamente a las gerencias de RRHH y Administración que el archivo y la gobernanza de información no implica que cualquiera pueda ver sus documentos. Este modelo define cómo el archivólogo administra la estructura y las reglas, mientras que las gerencias mantienen la confidencialidad de los contenidos.

1. Principio Archivístico de Seguridad e Identidad

El modelo se basa en tres pilares de la norma de gestión de documentos (ISO 15489 e ISO 23081):

• Principio de Mínimo Privilegio: Un usuario solo accede a la información estrictamente necesaria para cumplir sus funciones administrativas.
• Separación de Funciones: El rol de Administrador de Estructura (Archivólogo) se separa por completo del rol de Lector/Propietario del Contenido (Gerencia de RRHH/Administración).
• Trazabilidad Absoluta (Audit Trail): Toda acción (crear, consultar, modificar, descargar o eliminar) queda registrada electrónicamente en una bitácora inalterable.

2. Matriz General de Permisos por Rol (RBAC)

 
3. Niveles de Clasificación de la Información

Para operativizar el acceso en el sistema corporativo, la información de RRHH y Administración se categoriza en tres niveles:


[Nivel 1: Confidencial Restringido] ──> Contratos ejecutivos, Nóminas, Procesos Disciplinarios

(Solo Gerente del Área y Analista Asignado)

[Nivel 2: Reservado Interno] ──> Evaluaciones de desempeño, Expedientes generales

(Personal autorizado del Departamento)

[Nivel 3: Institucional/Operativo] ──> Manuales de procedimientos, Estructuras orgánicas

(Acceso público corporativo)

4. Arquitectura Operativa: La "Caja Fuerte Virtual"

Para disipar los miedos de las gerencias celosas de su información, la arquitectura se explica de la siguiente manera:

• El Archivólogo construye la caja fuerte: Diseña el cuadro de clasificación, los campos de metadatos (fecha, cédula/ID, tipo documental) y programa los tiempos de retención legal.
• El Departamento guarda las llaves: La clave de cifrado y los permisos de apertura del contenido del documento pertenecen únicamente a la Gerencia de RRHH o Administración.
• El Archivólogo garantiza la visibilidad de la estructura, no del secreto: El archivólogo puede auditar que exista un expediente con su código correspondiente y verificar que cumpla su tiempo de retención sin necesidad de abrir ni leer la información privada o sensible del empleado o contrato.

Con esta herramienta, desmontas la excusa de "es confidencial, por eso no entra al sistema de archivo", demostrando que la gobernanza moderna protege la confidencialidad con mayor rigor que el almacenamiento local.

 

04 Palabras y temas Claves en la investigación

Key Takeaways: puntos clave, conclusiones principales o aprendizajes más importantes que se extraen de una charla, reunión, texto o experiencia

El conocimiento tácito no registrado: es el saber práctico que vive en la mente de las personas y que nunca se ha escrito, grabado o guardado en un manual

Documentación Implícita: se refiere a la información, conocimiento o instrucciones que no están escritos de forma explícita en un documento, sino que se deducen directamente del contexto, del diseño, del código o del comportamiento de un sistema.

En lugar de usar manuales de texto, se apoya en la lógica obvia y en las convenciones preexistentes para que el usuario o desarrollador entienda cómo funciona algo sin necesidad de leer una explicación.

La diferencia conceptual

[Conocimiento Tácito] ──> Vive en la mente (Experiencia, intuición, contexto informal).

[Documentación Implícita] ──> Existe en el documento, pero NO en los metadatos/sistema (Contexto oculto).

[Información Explícita] ──> Estructurada, registrada y legible por máquinas.

1. Conocimiento Tácito: "Lo que sé, pero nunca he escrito"

Es el saber acumulado por la experiencia humana que jamás se ha plasmado en un soporte.
El ejemplo operativo: El administrador de finanzas que sabe que el inquilino de la oficina 402 siempre paga en efectivo el último día del mes porque prefiere no usar transferencias.
El problema: Si esa persona no está, nadie más lo sabe. La IA o el sistema informático solo ven un "pago atrasado" o un descuadre en el sistema contable porque ese conocimiento nunca cruzó la frontera hacia un registro.

2. Documentación Implícita: "Lo que está escrito, pero de forma incompleta o ambigua"

Aquí está el verdadero dolor de cabeza para los agentes de IA y la gestión de archivos electrónicos. Ocurre cuando un documento existe en el sistema, pero el contexto crucial para entenderlo no está registrado formalmente (está "implícito" para quien lo creó, pero es invisible para el resto).

• El ejemplo archivístico: Se conserva una factura o un acuerdo de pago firmada en el archivo digital, pero el correo o la minuta donde el Gerente de Administración aprobó un "descuento especial por pronto pago" se quedó en su bandeja personal o fue una conversación verbal.
• El problema: El documento existe (es explícito), pero la razón o la regla de negocio que explica la excepción es implícita. Para un humano que estuvo ahí, la situación es obvia; para una IA o un auditor externo, es una inconsistencia o un dato incoherente.

¿Por qué esto paraliza a la Inteligencia Artificial?

Como señalaba el artículo de Kate Liapun, un agente de IA no opera sobre la realidad física, sino sobre la representación digital de la realidad que le proporcionan los sistemas de la empresa.

Escenario	Lo que ve el Humano	Lo que ve la IA	Resultado
Conocimiento Tácito	"Sé que este proveedor siempre entrega con 3 días de retraso, es normal."	"El pedido está vencido. Generar alerta de incumplimiento de contrato."	La IA toma una acción errónea por falta de registro.
Documentación Implícita	"Aprobé este gasto sin factura porque era una emergencia en la planta."	"Registro de egreso sin comprobante fiscal de respaldo."	La IA detecta una anomalía o alucina intentando justificar el dato faltante.

La solución desde la Archivística

La forma de resolver la brecha entre lo tácito y lo implícito para convertirlo en información explícita y aprovechable es mediante la captura de contexto y la metadación estandarizada:

• Convertir el conocimiento tácito en registros: Crear flujos donde las decisiones informales o excepciones se capturen automáticamente (por ejemplo, mediante plantillas de aprobación o minutas vinculadas al expediente).
• Hacer explícito lo implícito con metadatos (ISO 23081): No basta con guardar el archivo PDF o el correo; hay que asociarle metadatos de proceso (¿quién autorizó?, ¿bajo qué regla?, ¿cuál es la relación con el expediente principal?).

Cuando el contexto está documentado de forma explícita, el margen de ambigüedad desaparece, permitiendo que tanto los archivólogos como los agentes de IA interpreten la información con total precisión.

end-to-end (o de extremo a extremo, abreviado como E2E) describe un proceso, sistema o servicio que abarca todas las etapas desde su inicio hasta su finalización, sin interrupciones ni fragmentaciones

A disposition Schedule: Un calendario de disposición es un documento oficial y vinculante que establece durante cuánto tiempo una organización debe conservar los registros y si estos deben destruirse o conservarse de forma permanente.

El amiguismo organizacional: el amiguismo entre empleados y jefes ocurre cuando las conexiones personales pesan más que el mérito profesional, generando favoritismo en ascensos, tratos y evaluaciones https://www.frontiersin.org/journals/psychology/articles/10.3389/fpsyg.2019.01609/full

La matriz RACI: es una herramienta de gestión de proyectos que asigna de forma visual los roles y responsabilidades de cada miembro del equipo frente a cada tarea o entregable

https://lemonlearning.com/es/blog/que-es-una-matriz-raci

Read more...

Si el Sistema de archivos cubre todas las áreas de la empresa el Agente IA hará el trabajo que se requiere

Tu agente de IA solo es tan bueno como tu sistema de archivo

https://www.unite.ai

Kate Liapun,

El 30 de diciembre de 2025, el servicio postal de Dinamarca entregó la última carta de sus 401 años de historia. Los 1,500 buzones restantes fueron retirados de las calles durante ese año. Mientras tanto, en julio de 2026 el gabinete federal alemán aprobó GeDIG, la ley de datos de salud e innovación digital, que eliminará gradualmente el fax de los consultorios médicos para el otoño de 2029 y hará obligatorios los referidos electrónicos.

Entonces, ¿cómo es que un país puede implementar tales cambios mientras otro aún está eliminando su dependencia de las máquinas de fax en este siglo? Teniendo en cuenta el uso de IA en los negocios de cada país, el 42 % de las empresas danesas utilizó al menos una tecnología de IA en 2025, la mayor proporción en Europa. Alemania se situó en el 26 %, por encima del promedio de la UE pero dieciséis puntos por debajo de Dinamarca.

Para mí, el contraste nos incita a replantear nuestras creencias sobre la adopción de IA. En particular, la creencia de que la elección del modelo es el punto de partida de la adopción de IA, ignorando la condición de los sistemas que rodean al modelo. Ambos países tienen acceso a los mismos modelos y proveedores de nube, pero la diferencia radica en si los procesos empresariales y públicos ya generan registros digitales fiables. Dado que un agente de IA no trabaja directamente con la realidad, sino con la versión de la realidad disponible en un sistema, naturalmente esto genera algunas limitaciones.

La primera limitación: la información nunca se digitalizó

Un agente no puede recuperar un documento que nunca ingresó al sistema. La forma del flujo de información de la organización determina lo que un agente puede incluso percibir como una tarea.

A nivel de país, los datos de Eurostat muestran que la adopción de IA en las empresas correlaciona con la digitalización de los procesos administrativos. Pero el mecanismo clave es que los países donde los ciudadanos ya reciben documentos oficiales de forma digital tienen menos interacciones fuera del sistema que las empresas deben conciliar, reduciendo la cantidad de trabajo de interpretación necesario antes de que la IA pueda usarse de forma segura en las operaciones.

A nivel de empresa, un estudio de IZA de 2026 sobre 1,907 compañías danesas encuentra que un aumento de una desviación estándar en la digitalización se asocia con una probabilidad 8 a 10 puntos porcentuales mayor de adoptar sistemas de IA centrales. Esto sugiere que la adopción de IA depende de si las operaciones internas de la empresa ya están organizadas de manera digitalmente estructurada y legible por máquinas. Si los procesos están fragmentados, hay poca información estable para que los sistemas o agentes de IA actúen.

Esto también puede ayudar a explicar por qué la digitalización impulsada por políticas no se traduce automáticamente en preparación para IA. La facturación electrónica B2B obligatoria de Italia creó un canal totalmente digital, pero la adopción general de IA sigue por debajo del promedio de la UE.

Digitalizar un solo paso no elimina el sistema analógico circundante.

La segunda limitación: la información existe solo en la cabeza de alguien

Los humanos gestionan las operaciones, lo que significa que la mayor parte del tiempo conocen detalles que la IA no. Un administrador financiero sabe que un inquilino pagó en efectivo, pero el pago nunca se ingresó al sistema contable. Como resultado, los registros bancarios y el sistema no concuerdan. El administrador entiende el porqué, mientras que la IA solo ve datos inconsistentes. Un administrador de propiedades recuerda que un propietario pidió no ser contactado durante dos semanas. Un equipo conoce la solución alternativa para un edificio o cliente, pero nadie la ha documentado.

ClarEval probó tareas con objetivos ausentes, premisas faltantes y terminología ambigua. El rendimiento del modelo cayó de alrededor del 89 % tras la clarificación a aproximadamente el 9 % cuando la ambigüedad permaneció sin resolver. 

Mientras tanto, Ambig‑SWE descubrió que permitir que un modelo cuestione a un usuario que posee la información faltante recuperó hasta el 74 % del rendimiento perdido. Esto implica que los ingenieros deberían construir un sistema capaz de solicitar aclaraciones desde el principio.

La tercera limitación: la información existe pero no puede transmitirse

Algunos datos están disponibles dentro de la empresa y aún así no pueden llegar al modelo debido a normas de privacidad, controles de seguridad, contratos o políticas internas.

Un estudio basado en siete años de datos en la nube encontró que el RGPD —la ley fundamental de privacidad de datos de la UE— redujo el almacenamiento de datos en un 26 % y el procesamiento en un 15 % entre las empresas de la UE en comparación con empresas estadounidenses comparables. En otras palabras, la regulación de privacidad hizo que las empresas fueran menos intensivas en datos al limitar la cantidad de información que podían retener y procesar para análisis e IA. La adopción de IA generativa fue casi igual, con un 37 % de las empresas de la UE y un 36 % de las de EE. UU. Pero la brecha en la profundidad de la adopción de IA es enorme, con el 81 % de las empresas estadounidenses usando IA en al menos dos procesos internos, frente al 55 % en la UE. Una posible razón es que la información que ya existe dentro de las organizaciones suele ser más difícil de reutilizar para IA en Europa. Las conversaciones de soporte al cliente, por ejemplo, a menudo contienen datos personales recopilados para resolver problemas de los clientes. Según el principio de limitación de finalidad del RGPD (Artículo 5(1)(b)), estos datos no pueden simplemente reutilizarse para entrenar IA sin una base legal válida. Las empresas estadounidenses generalmente enfrentan menos restricciones federales equivalentes para reutilizar dichos datos.

Cómo construir el sistema correcto

La recuperación solo funciona cuando la respuesta existe en el sistema. Los agentes deben preguntar cuando falta información, nunca adivinar, y convertir llamadas o decisiones informales en registros estructurados. Las empresas también deben eliminar los flujos de trabajo paralelos en papel porque, si una tarea puede ocurrir fuera del sistema, parte del contexto permanecerá invisible.

Cada empresa debe reconocer sus propias brechas. 

• Mida si un hecho necesario para actuar correctamente estaba dentro del sistema o no. 
• Pruebe los flujos de trabajo con y sin los campos de revisión de privacidad excluidos. 
• Por último, para el flujo de trabajo que puede completarse en papel, ese es el agente que se debe construir al final.

Los agentes pueden mejorar la producción humana, pero no reparan lo que falta.

Read more...

Antes de seleccionar un modelo o construir un agente se debe preparar a una organización para la inteligencia artificial

Cuando el modelo no es el problema y el proceso es incorrecto

https://www.unite.ai/
Por Zuzana Drotárová,

Imagina un escenario común en los servicios financieros. Un equipo despliega la inteligencia artificial para revisar contratos: cientos de páginas, cláusulas repetitivas y trabajo rutinario que normalmente lleva a los empleados días. El modelo identifica los riesgos y referencias a los párrafos correctos. Sin embargo, la salida no suma.

Resulta que el problema está en la carpeta de contratos, donde los archivos se sientan uno al lado del otro con nombres como contract_v1.docx, contract_v2.docx, contract_final.docx, contract_final2.docx y contract_finalfinal_THIS_ONE.docx.

La inteligencia artificial seleccionó el archivo más recientemente guardado. Pero ese archivo era una versión anterior que alguien había abierto y guardado automáticamente la semana anterior.

El modelo hizo exactamente lo que se diseñó para hacer. El proceso, sin embargo, lo decepcionó.

Cuando el modelo no es el problema

En mi artículo anterior, argumenté que los fallos de la inteligencia artificial a menudo comienzan fuera del modelo – en la gobernanza, la propiedad y las estructuras de toma de decisiones que lo rodean. Pero la gobernanza es solo una parte del problema. Incluso un sistema de inteligencia artificial bien gobernado luchará si el proceso subyacente depende de documentos desactualizados, excepciones informales o rutas de aprobación diseñadas para un ritmo de trabajo mucho más lento.

Cuando un sistema de inteligencia artificial produce un resultado pobre, el modelo es usualmente el primer sospechoso. Tal vez se imaginó, malentendió la tarea o recibió una promoción débil. Pero a veces el modelo hizo exactamente lo que se suponía que debía hacer. El fallo ocurrió en el proceso que suministró su información o en la organización que no pudo actuar sobre su salida.

Desplegar la inteligencia artificial revela problemas de proceso que siempre existieron pero nunca fueron visibles – como una herramienta de diagnóstico. Expone debilidades que la gente compensó previamente sin pensarlo: contexto perdido, propiedad poco clara y soluciones informales que nunca se documentaron.

Velocidad sin capacidad

La inteligencia artificial no solo acelera la salida. También acelera las escaladas, las solicitudes de decisión y el descubrimiento de problemas. Un modelo señala una anomalía en tiempo real, no el viernes por la tarde cuando alguien finalmente encuentra el tiempo para revisar los registros.

Las organizaciones no están diseñadas para este ritmo. Los procesos de aprobación, las rutas de escalada, la autoridad de toma de decisiones – todo se calibró para la velocidad humana. Cuando la inteligencia artificial produce salidas más rápido de lo que la organización puede absorber, pueden ocurrir tres cosas:La inteligencia artificial espera una decisión, borrando la ganancia de eficiencia.
Los empleados ignoran su salida y regresan a lo que creen que funciona – el antiguo proceso.

Los empleados empujan las decisiones hacia adelante sin verificarlas adecuadamente porque se sienten presionados para mantener la velocidad.

Algunos empleados regresan a las verificaciones manuales porque se sienten más seguros. Otros aprueban resultados que no han tenido tiempo de verificar porque se sienten presionados para mantener la velocidad prometida por la tecnología. En ambos casos, la organización paga por una salida más rápida sin volverse más rápida para tomar decisiones responsables.

La propiedad también puede volverse borrosa. ¿Quién es responsable de revisar una anomalía señalada, decidir si el modelo está equivocado y escalar el problema cuando varios equipos están involucrados? Sin una respuesta clara, la inteligencia artificial continúa ejecutándose en segundo plano, produciendo salidas que nadie verdaderamente posee.

Esto refleja un problema organizacional más amplio. Como observó un análisis de Forbes de finales de 2025, cuando la tecnología cambia los flujos de trabajo más rápido de lo que una organización puede absorber, el resultado no es la eficiencia; es el exceso de trabajo. La inteligencia artificial puede acelerar una etapa de un proceso, pero su valor aún depende de si la organización que la rodea puede absorber y actuar sobre lo que produce.

El conocimiento silencioso que nadie escribió

Imagina que Martín sabe que el contrato de la empresa con un proveedor incluye una excepción para pagos por debajo de 2.000 euros. Fue acordado verbalmente hace tres años pero nunca se documentó. Cuando la empresa despliega la inteligencia artificial para automatizar las aprobaciones de pago, el sistema bloquea el pago – correctamente, según el contrato escrito.

Este es un conocimiento tácito: conocimiento organizacional que vive en las cabezas de las personas en lugar de en los sistemas. Cada empresa lo tiene. Y la mayoría de las empresas no tienen idea de cuánto tienen.

La inteligencia artificial solo puede utilizar el conocimiento que se ha hecho accesible para ella. La excepción de Martín no existe desde la perspectiva del sistema. Sin ese contexto, su decisión puede ser técnicamente correcta pero operativamente incorrecta.

McKinsey ha identificado el mismo desafío en las implementaciones de inteligencia artificial agente. Construir agentes de inteligencia artificial efectivos requiere que las empresas codifiquen prácticas expertas que pueden existir en procedimientos estándar – o solo como conocimiento tácito en las cabezas de los empleados. En otras palabras: la implementación de la inteligencia artificial puede ser la primera vez que una organización ve cuánto el proceso depende de lo que Martín sabe.

La fuente falsa de verdad

La salida de la inteligencia artificial más peligrosa no siempre es obviamente incorrecta. Puede ser una respuesta creíble, profesionalmente presentada, producida a partir de información desactualizada.

Durante años, muchos departamentos han operado con múltiples versiones del mismo documento porque Jane del departamento legal siempre sabe cuál es el autoritativo. La inteligencia artificial, desafortunadamente, no.

A menos que se le hayan dado reglas para distinguir entre versiones, el sistema no tiene razón para cuestionar el documento que recibe. Y así la revisión de la inteligencia artificial se ejecuta correctamente – en el documento equivocado. Eso puede ser peor que no tener revisión en absoluto porque la salida parece creíble.

Un empleado experimentado puede saber dónde está la verdad y puede navegar a través del caos. Un sistema, sin embargo, necesita una forma confiable de identificar qué información es actual, aprobada y relevante.

El conocimiento tácito, los documentos no fiables y los procesos de aprobación construidos para la velocidad de salida humana parecen ser problemas separados. Pero comparten la misma causa raíz. Ninguno de ellos fue creado por la inteligencia artificial, pero la inteligencia artificial los hace más difíciles de ignorar.

Preguntas para responder antes de construir un agente

Antes de desplegar un agente de inteligencia artificial, una organización debe poder responder tres preguntas.

¿Qué decisiones dependen del conocimiento que nunca se ha documentado?

Esto significa identificar las excepciones, los atajos y las llamadas de juicio que los empleados experimentados aplican sin describirlas conscientemente. Las entrevistas solas pueden no revelar todo este conocimiento. Las organizaciones pueden necesitar observar cómo se realiza el trabajo en la práctica y compararlo con el proceso oficial.

¿Cómo identificará el sistema la información que es actual, aprobada y relevante?

Darle al agente acceso a más documentos no soluciona el problema si no puede distinguir un contrato aprobado de un borrador o una política activa de una desactualizada. La versión, la propiedad, el estado de aprobación y las reglas de retención deben ser lo suficientemente claras para que el sistema identifique qué fuente debe gobernar su decisión.

¿Pueden los procesos de aprobación y escalada existentes absorber el volumen y la velocidad de su salida?

Los equipos deben estimar no solo cuánto trabajo puede completar el agente, sino también cuántas revisiones, excepciones y escaladas puede crear ese trabajo. El Marco de gestión de riesgos de inteligencia artificial de NIST recomienda definir claramente los roles y las responsabilidades para la supervisión humana de los sistemas de inteligencia artificial. Estos deben diseñarse para el volumen esperado antes de que se despliegue el sistema – no después de que los empleados se sientan abrumados por él.

Estas no son preguntas para responder una vez y olvidar. Los procesos cambian, los documentos envejecen y el conocimiento no documentado se acumula nuevamente. La preparación, por lo tanto, debe mantenerse, no establecerse solo antes del lanzamiento.

La preparación para la inteligencia artificial comienza con el proceso

La preparación para la inteligencia artificial no es solo una prueba de la tecnología. Es una prueba de si la organización ha hecho sus propios procesos lo suficientemente explícitos para que la tecnología pueda operar dentro de ellos.

Preparar a una organización para la inteligencia artificial, por lo tanto, implica más que seleccionar un modelo o construir un agente. Significa aclarar la propiedad, identificar la información autorizada, documentar las excepciones y rediseñar cómo se revisan, escalan y actúan sobre las salidas.

Este es un trabajo difícil, pero un despliegue fallido eventualmente obligará a la organización a hacerlo de todos modos. La única variable es el momento.

Read more...

Los Agentes de IA o identidades no humanas (NHI) y la seguridad de la empresa

La forma en que la gestión de identidades digitales se ha vuelto fundamental para los proyectos de agentes IA 

https://www.scworld.com
Por Elena Böhm

(Adobe Stock)

¿Cuántos equipos de seguridad conocen realmente a sus agentes de IA?

Es una pregunta que más organizaciones deben responder al introducir la IA agente en sus procesos e interacciones. Después de todo, no darían a humanos anónimos y anónimos acceso a datos confidenciales ni les permitirían realizar transacciones. Lo mismo ocurre con los agentes de IA.

Las organizaciones de todo el mundo lo son invertir agresivamente en IA agente, y se espera que el gasto alcance los 9.400 millones de dólares este año y más de 139.000 millones de dólares en 2034. Esa tasa de adopción requiere una cuidadosa consideración de las implicaciones de seguridad de todos aquellos agentes que interactúan con datos confidenciales.

Los agentes de IA necesitan identidades —, una forma de verificar cada una individualmente y establecer barandillas sobre lo que está permitido hacer. En gran medida en la forma en que los equipos de seguridad administran el acceso a sistemas y aplicaciones en función del rol y las responsabilidades de un empleado, la gobernanza de los agentes de IA se ha vuelto esencial a medida que estos trabajadores digitales manejan las consultas de los clientes, administran el inventario o se involucran en operaciones comerciales de muchas otras maneras. Los argumentos a favor de un enfoque completo para la gestión de identidades digitales para agentes de IA incluyen el control de acceso, la capacidad de limitar y revocar privilegios y la auditabilidad.

Afortunadamente, brindar identidades seguras a los agentes de IA no requiere dominar habilidades completamente nuevas. Los equipos de seguridad pueden aplicar gran parte de los conocimientos técnicos y infraestructura de clave pública (PKI) ya se utilizan para documentos de seguridad, correo electrónico y sitios web.

Gestionar identidades a una escala sin precedentes

Es común que los proveedores de tecnología que desarrollan y venden agentes de inteligencia artificial incluyan la gestión de identidades entre sus capacidades de seguridad. Es un buen comienzo y estas soluciones puntuales suelen ser suficientes para proyectos agentes estrictamente controlados. Pero según mi experiencia en proteger entornos de IoT, que pueden comprender millones de dispositivos, la escalabilidad sigue siendo uno de los grandes desafíos de la IA agente. Las empresas que hacen todo lo posible con agentes de IA podrían encontrarse con 10 veces más certificados digitales para disputar que los que tienen hoy. Necesitan un enfoque más integral.

Hay otras razones prácticas para adoptar un enfoque de plataforma más integral para el aprovisionamiento y la administración de identidades no humanas (NHI). Algunas organizaciones pueden decidir una estrategia de múltiples proveedores, tal vez con agentes de servicio al cliente de un proveedor y agentes de ventas de otro. O bien, los socios comerciales pueden tener diversos agentes de inteligencia artificial que necesitan compartir datos. Estas y otras situaciones similares pueden funcionar mejor con un enfoque neutral para los proveedores que utilice estándares de la industria para la interoperabilidad.

X.509 ha sido una especificación vital durante años, un estándar internacional para certificados de clave pública, las credenciales digitales que permiten transportes y transacciones seguros. Estos certificados X.509 se utilizan ampliamente para autenticación y cifrado de datos en la web y otros canales, y estas mismas salvaguardias pueden (y deben) aplicarse a los agentes de IA. El funcionamiento interno de X.509 incluye una autoridad certificadora que verifica la identidad, las firmas digitales y los números de serie únicos –, todos los componentes necesarios para una sólida gobernanza del agente de IA.

Otras especificaciones importantes que encajan en un marco sólido para identidades de IA agente a escala son OAuth y OpenID Connect, que admiten autorización y autenticación, respectivamente. El Protocolo de contexto modelo (MCP) de estándar abierto, que ahora se utiliza para brindar a los agentes de IA acceso a fuentes de datos, aprovecha ambos estándares. Esto muestra cómo la gestión de identidades se ha entrelazado estrechamente con la IA agente.

Dinamice los privilegios de acceso a los datos

Los entornos de IA agente cambian constantemente, a medida que los agentes de IA razonan y realizan tareas de forma cada vez más autónoma. Para mantenerse al día, es esencial que los equipos garanticen que la asignación de identidad y la gestión del ciclo de vida sean igualmente dinámicas. Esto incluye, por ejemplo, la posibilidad de rescindir privilegios de acceso a datos cuando ya no sean necesarios.

Lo que no queremos son identidades estáticas dentro de sistemas que parecen un problema esperando a suceder. Un concepto valioso en identidades digitales son los secretos compartidos “, que son contraseñas, claves API y otros datos confidenciales que se almacenan centralmente y se utilizan para una ejecución segura. Sin embargo, con secretos compartidos, corremos el riesgo de que agentes deshonestos de la IA se apropien indebidamente de esta información altamente confidencial.

Los profesionales pueden minimizar esa posibilidad utilizando tokens de acceso único o de corta duración, entre otras técnicas. También recomiendo la firma inmediata, en la que las firmas electrónicas garanticen que sólo los agentes previstos estén tomando medidas.

Gran parte de esto consiste en bloquear y abordar a profesionales de la seguridad experimentados. Pero creo que una amplia muestra representativa de líderes empresariales y tecnológicos debería comprender lo que está en juego a medida que comienzan a implementar agentes de IA en todos los departamentos y flujos de trabajo. Al hacerlo, las empresas pueden seguir adelante con la confianza de que sus agentes de IA son colegas y contribuyentes de buena fe, no extraños digitales.

Read more...