¿Cómo mejora la IA la inteligencia de amenazas frente a los métodos tradicionales?
Dónde gana la IA al método manual, qué evidencia hay (y cuánta es de fabricantes), qué riesgos añade y cómo adoptarla sin perder el control.
En esta página
La IA mejora la inteligencia de amenazas sobre todo en velocidad y volumen: normaliza fuentes, resume informes, correlaciona alertas y prioriza lo relevante en minutos en lugar de horas. No sustituye al analista ni al ciclo de inteligencia, y añade riesgos propios, como errores, envenenamiento de datos o inyección de instrucciones, que hay que gobernar.
Dónde se atasca el método tradicional
El trabajo manual sigue un patrón conocido: un analista lee boletines e informes, extrae a mano indicadores y técnicas, los contrasta con su inventario y redacta una nota o una regla de detección. Funciona, pero tiene cuatro límites estructurales:
- Volumen: las fuentes crecen más rápido que los equipos.
- Latencia: entre que se publica un informe y se traduce en una regla pasan horas o días.
- Idioma y formato: parte de la información útil está en otros idiomas o en texto no estructurado.
- Dependencia de unas pocas personas: el conocimiento vive en la cabeza del analista.
Del otro lado, los atacantes ya automatizan. ENISA recoge en su informe de 2025 que las campañas de phishing asistidas por IA representaban, según se informa, más del 80 % de la actividad de ingeniería social observada en todo el mundo a comienzos de 2025 [1]. Es una estimación recogida por la agencia, no una medición propia, pero indica que la defensa no puede apoyarse solo en lectura manual.
Qué cambia, tarea por tarea
| Tarea | Método tradicional | Con IA | Lo que sigue exigiendo criterio humano |
|---|---|---|---|
| Lectura y resumen de informes | Lectura completa por un analista | Resumen y extracción de puntos clave | Verificar contra la fuente original |
| Extracción de entidades (indicadores, técnicas) | Copiar y pegar o scripts frágiles | Extracción desde texto no estructurado y mapeo a MITRE ATT&CK [2] | Validar el mapeo y descartar falsos vínculos |
| Correlación y priorización de alertas | Reglas estáticas y orden por gravedad | Agrupación de señales y propuesta de veredicto con explicación | Decidir el caso ambiguo o de alto impacto |
| Traducción y fuentes multilingües | Traducción puntual | Traducción y normalización continuas | Revisar matices técnicos |
| Redacción de consultas y reglas | Conocimiento del lenguaje de cada herramienta | Borrador a partir de una hipótesis en lenguaje natural | Probar la regla antes de ponerla en producción |
| Atribución y juicio sobre intenciones | Experiencia del analista | Hipótesis de apoyo | Todo: es un juicio, no un cálculo |
La columna central describe capacidades; no promete resultados concretos en tu entorno.
Un día de un analista, con y sin IA (ilustrativo)
Escenario ilustrativo, no un caso real ni una medición. Un analista de un equipo pequeño empieza el día con tres boletines de vulnerabilidades y un informe sobre una campaña de phishing.
Sin IA: lee los cuatro documentos completos, copia a mano indicadores y técnicas, los compara con el inventario y redacta una nota. Cuando termina, la mañana se ha ido y la regla de detección queda para el día siguiente.
Con IA: recibe resúmenes con las técnicas ya mapeadas a MITRE ATT&CK y las alertas agrupadas, cada afirmación enlazada a su fuente. Comprueba contra el original lo que va a usar, descarta un vínculo erróneo entre dos campañas, prueba el borrador de regla que propone la herramienta y decide qué comunicar. La atribución y la prioridad siguen siendo suyas.
La diferencia está en el tiempo de lectura y copia, no en el juicio. Cuánto se gana en tu equipo solo se sabe midiéndolo.
Qué evidencia hay, y cuánta hay que tomar con cautela
La evidencia pública con método es escasa y conviene leerla con sus límites:
- Un ensayo aleatorizado de Microsoft sobre su agente de triaje de phishing reporta que los analistas asistidos lograron hasta 6,5 veces más verdaderos positivos por minuto de analista y una mejora del 77 % en la precisión del veredicto frente al grupo de control [3]. Es un preprint sobre un producto de la propia Microsoft (no hemos podido comprobar que haya pasado revisión por pares), cubre una sola tarea (correos notificados por usuarios) y no autoriza a extrapolar a toda la inteligencia de amenazas.
- La documentación del agente de triaje e investigación de Google SecOps describe cómo funciona: cada investigación devuelve un veredicto (verdadero o falso positivo), un nivel de confianza, un resumen, una línea temporal y pasos sugeridos; los analistas lo revisan y pueden dar su opinión para afinarlo [4]. Es documentación de producto: explica el diseño, no mide el rendimiento.
Cualquier porcentaje de mejora que te ofrezca un proveedor debería poder reproducirse con tus datos.
Los riesgos que añade la IA
- Ataques al propio modelo. NIST publica una taxonomía de ataques de aprendizaje automático adversario, con envenenamiento de datos y evasión entre ellos [5]. Si el sistema de inteligencia se alimenta de fuentes manipulables, puede ser manipulado.
- Inyección de instrucciones y exceso de autonomía. El OWASP Top 10 para aplicaciones LLM (edición 2025) incluye la inyección de instrucciones, el envenenamiento de datos y modelos, y la desinformación entre sus riesgos principales [6].
- Confianza excesiva. Un resumen fluido puede ser incorrecto. Sin trazabilidad a la fuente, el analista no puede comprobarlo.
Cómo adoptarla sin perder el control
El marco de gestión de riesgos de IA de NIST es voluntario y sirve como guía general para gestionar estos riesgos [7]. Traducido a la práctica:
- Humano en el bucle para cualquier acción con impacto en producción.
- Trazabilidad: cada afirmación de la IA enlaza a su fuente original.
- Evaluación con tus datos antes de confiar en una cifra del proveedor.
- Límites de acción explícitos: qué puede hacer la IA sola y qué requiere aprobación.
- Registro y revisión periódica de aciertos y errores.
En Hodeitek trabajamos esta capa desde la consultoría de IA aplicada a la seguridad, la solución de gobernanza y seguridad de la IA y la automatización de la seguridad con IA. Si lo que buscas es operar con analistas apoyados por tecnología, mira nuestro SOC gestionado.
Para entender el marco completo, empieza por qué es la inteligencia sobre amenazas; y si te interesa el paso siguiente, los agentes que actúan además de recomendar, lee qué es un SOC agéntico. También puedes ver cómo aplicamos la IA en el SOC en Cómo la IA está transformando la detección de amenazas en el SOC.
Preguntas frecuentes
¿Sustituye la IA a los analistas de inteligencia de amenazas?
No. La evidencia pública disponible describe la IA como una capa de apoyo que prioriza y resume; el juicio sobre atribución, intención e impacto sigue siendo humano. El ensayo de Microsoft mide analistas asistidos, no analistas sustituidos [3].
¿Cómo mejora la IA la inteligencia de amenazas frente a los métodos tradicionales?
Velocidad y escala en tareas repetitivas: resumir, extraer entidades, correlacionar y priorizar. La ventaja real en tu organización solo se conoce midiéndola con tus propios datos.
¿Cuáles son los riesgos principales de usar IA en inteligencia de amenazas?
Manipulación de las fuentes o del modelo (envenenamiento, evasión) [5], inyección de instrucciones [6] y exceso de confianza en resúmenes sin trazabilidad.
¿Los atacantes también usan IA?
Sí. ENISA recoge que las campañas de phishing asistidas por IA representaban más del 80 % de la actividad de ingeniería social observada a comienzos de 2025, según se informa en su informe [1].
¿Por dónde empiezo?
Con un caso de uso acotado (por ejemplo, resumir y priorizar boletines de vulnerabilidades), medición previa y revisión humana. Después se amplía.
Siguiente paso
¿Quieres evaluar dónde puede ayudarte la IA en tu inteligencia de amenazas sin asumir riesgos innecesarios? Cuéntanos tu caso o conoce HodeiShield, nuestra plataforma propia de detección y análisis con IA.
Fuentes
- ETL 2025: EU consistently targeted by diverse yet convergent threat groups. ENISA, 2025-10-01. https://www.enisa.europa.eu/news/etl-2025-eu-consistently-targeted-by-diverse-yet-convergent-threat-groups
- MITRE ATT&CK. MITRE. https://attack.mitre.org/
- Randomized Controlled Trials for Phishing Triage Agent (preprint). arXiv (J. Bono), 2025-11-17. https://arxiv.org/abs/2511.13860
- Use Triage and Investigation Agent to investigate alerts. Google Cloud documentation. https://docs.cloud.google.com/chronicle/docs/secops/triage-agent
- Adversarial Machine Learning: A Taxonomy and Terminology of Attacks and Mitigations (AI 100-2 E2025). NIST, 2025-03-24. https://csrc.nist.gov/pubs/ai/100/2/e2025/final
- OWASP Top 10 for LLM Applications. OWASP GenAI Security Project. https://genai.owasp.org/llm-top-10/
- AI Risk Management Framework. NIST, 2023-01-26. https://www.nist.gov/itl/ai-risk-management-framework
Autoevalúa la gobernanza de tu IA
Clasifica en 2 minutos tus sistemas de IA según el riesgo del AI Act y detecta huecos de gobernanza.
¿Te ha sido útil este artículo?
Gorka Gonzalo
Fundador y CEO
Fundó Hodeitek en 2023 y dirige la compañía, tras más de 8 años en pentesting, Red Team, auditoría OT/ICS y dirección de SOC. Experto en ciberseguridad e inteligencia artificial, marca la dirección técnica y de producto de HodeiShield y lidera personalmente los proyectos más críticos: de la estrategia de defensa a la aplicación de IA en la detección de amenazas. Es el interlocutor directo del cliente — quien define el alcance responde también por el resultado.