Cómo asegurar agentes de IA: prácticas de IAM en operaciones empresariales

Un solo tablero, decenas de identidades digitales — y un agente persistente que nunca cierra sesión. Esa es la realidad de los equipos de TI a medida que los agentes de IA se vuelven parte integral de las operaciones de clientes. A diferencia de los usuarios humanos, estos agentes se autentican una vez, interactúan con múltiples sistemas y ejecutan tareas a velocidad de máquina. El cambio expone una brecha: los marcos de IAM establecidos, diseñados para personas, batallan para rastrear y controlar actores no humanos que operan las 24 horas.

La brecha del IAM agéntico: donde los modelos humanos se quedan cortos

El IAM tradicional en los sectores regulados —banca, telecomunicaciones, sector inmobiliario— se centra en autenticar personas, asignar roles y registrar sus acciones. Los agentes de IA, en cambio, son identidades digitales que persisten y actúan de forma autónoma. Pueden encadenar acciones entre sistemas, disparar pasos de un flujo de trabajo y manejar datos sensibles sin los puntos de contacto humanos habituales.

Dos riesgos emergen rápido:

• Visibilidad: los registros estándar de IAM pueden no capturar lo que un agente de IA hace dentro de una aplicación o a través de las API, dejando huecos en la auditabilidad.
• Gestión del ciclo de vida: los agentes de IA se crean, actualizan y retiran de forma distinta a los usuarios humanos. Sin un offboarding claro, agentes inactivos o credenciales obsoletas pueden quedarse en los sistemas e introducir riesgo.

El resultado es la brecha del IAM agéntico: un desajuste entre controles centrados en personas y la realidad operativa de los agentes automatizados.

Principios para un IAM agéntico: qué cambia en realidad

Los reguladores han elevado las expectativas sobre la gobernanza de identidades, en respuesta al auge de la automatización en servicio al cliente y back office. El cambio es práctico, no teórico. Cuatro principios guían hoy el IAM para agentes de IA:

1. Descubrimiento: mantener un inventario vivo de cada agente de IA, incluyendo su dueño, su propósito y sus accesos a sistemas. Esto va más allá de nombrar cuentas: cada agente debe rastrearse desde su creación hasta su baja.
2. Acceso granular: asignar permisos por tarea, no por conveniencia. Por ejemplo, un asistente digital que revisa documentos KYC en una fintech recibe acceso acotado solo a ese flujo de trabajo, nunca a la gestión general de cuentas ni a aprobaciones de riesgo.
3. Auditabilidad por acción: registrar cada acción significativa en la capa de aplicación, no solo los eventos de autenticación. En la práctica, esto significa dejar constancia de qué campos de datos se consultaron, qué pasos del flujo se dispararon y cuál fue el resultado de cada acción. Este nivel de auditabilidad es cada vez más exigido por los marcos de ciberseguridad y de protección de datos personales en los sectores regulados.
4. Controles de ciclo de vida: definir y hacer cumplir procedimientos claros para actualizar, revisar y retirar identidades de agentes. Los agentes huérfanos o sin uso se desactivan de forma sistemática, lo que reduce la exposición al riesgo.

Cómo se ve en la práctica: el ejemplo de una desarrolladora inmobiliaria

Una desarrolladora inmobiliaria con proyectos en una capital latinoamericana adoptó agentes de IA para automatizar la captura de leads, la verificación de documentos y el contacto saliente con clientes. Cada agente fue aprovisionado con una identidad única en el directorio central de la compañía. Los permisos se asignaron por flujo de trabajo: por ejemplo, un agente podía leer documentos enviados por el cliente, pero no modificar registros ni iniciar transacciones financieras. Las revisiones de acceso se programaron trimestralmente y cualquier permiso sin uso se revocaba.

La auditabilidad era un requisito del consejo. Cada acción de un agente —actualizar un campo del CRM o disparar una notificación— se registraba tanto en el CRM como en un repositorio de auditoría dedicado. Los registros en la capa de aplicación capturaban el detalle: qué datos se tocaron, qué flujo se ejecutó y si la acción tuvo éxito. Para ciertos agentes, la compañía aplicó reglas estrictas de retención: algunos registros se conservaban 90 días; otros se eliminaban de inmediato según la política. Aunque varias compañías buscan reducir los hallazgos de auditoría relacionados con identidades de máquina, a agosto de 2026 no existe documentación pública sobre mejoras cuantitativas en tasas de incidentes o ahorros de costos.

Errores típicos y lecciones operativas

Aun con estos principios, la implementación rara vez es sencilla. Entre los desafíos comunes:

• Credenciales compartidas: depender de cuentas de servicio genéricas para múltiples agentes hace imposible atribuir acciones o aplicar el mínimo privilegio. Todavía se ve en algunas empresas, sobre todo durante los pilotos iniciales.
• Permisos demasiado amplios: otorgar a un agente acceso general por conveniencia suele derivar en una expansión silenciosa de privilegios. Las revisiones periódicas y la expiración automática de permisos ayudan, pero exigen disciplina de proceso.
• Trazas de auditoría incompletas: el registro a nivel de aplicación es esencial, pero puede pasarse por alto si solo se monitorean los registros de autenticación. Los equipos deben asegurarse de que cada acción crítica —consulta de datos, ejecución de flujos, actualizaciones de sistemas— quede capturada y sea revisable.
• Offboarding difuso: sin una desactivación obligatoria, los agentes retirados pueden permanecer en los sistemas y crear vulnerabilidades ocultas.

Cerrar estas brechas requiere coordinación entre TI, auditoría, cumplimiento y negocio. En los sectores regulados, ya es rutina que los equipos de auditoría pidan evidencia del offboarding de agentes y registros por acción durante sus revisiones.

La posición de Amira

Amira aborda la brecha del IAM agéntico tratando a cada agente de IA como una identidad digital gestionada, con permisos ajustados a flujos de trabajo específicos y retención definida según los requisitos del negocio y del regulador. Cada acción —en teléfono, WhatsApp, web y CRM— se registra a nivel de sistema y de conversación, para respaldar las necesidades de auditoría y cumplimiento. La residencia y la retención de datos pueden configurarse conforme a la política local, incluyendo periodos de retención por asistente. Para los equipos operativos, esto significa que las identidades de máquina son tan responsables y revisables como las humanas. Si quieres ver cómo funciona con tus propios procesos, agenda una demo de 60 minutos.