Negocio Digital
16 de septiembre de 2026
Inteligencia Artificial como Palanca de la Resiliencia Cibernética en Organizaciones de Mediano y Gran Tamaño
Murilo Gorski Rodrigues; Daniel de Sousa Valoto
DOI: 10.22167/2675-6528-202602287
Artículo derivado de Trabajo de Conclusión de Curso (TCC), con contenido basado en el trabajo original del alumno y adaptado al formato editorial de la Revista E&S con el apoyo de la herramienta ResumeAI, solución de inteligencia artificial desarrollada por el Instituto Pecege para síntesis y organización textual.
Resumen
La digitalización de las operaciones empresariales ha ampliado la exposición de las organizaciones a riesgos cibernéticos, intensificados por ataques automatizados basados en Inteligencia Artificial. En este contexto, la ciberseguridad se ha vuelto crítica para la continuidad del negocio, demandando defensas adaptativas y eficientes. El estudio analizó cómo la Inteligencia Artificial aplicada a la defensa cibernética contribuyó a la resiliencia operativa de organizaciones de tamaño mediano y grande, especialmente en los procesos de respuesta a incidentes y continuidad de los servicios, frente al aumento de ataques automatizados basados en IA. Se adoptó un enfoque cualitativo, exploratorio y descriptivo, basado en entrevistas semiestructuradas con profesionales de ciberseguridad de empresas especializadas. Los datos recopilados se analizaron mediante análisis de contenido temático. Se identificaron patrones relacionados con el uso de la IA en la detección de amenazas, la automatización de la respuesta a incidentes y la reducción del tiempo de recuperación operativa. Los resultados indicaron que la Inteligencia Artificial fue percibida como un elemento relevante para aumentar la agilidad y la eficacia de las defensas cibernéticas, aunque persisten desafíos en cuanto a la madurez de las soluciones, la integración con procesos existentes y la confianza en los modelos automatizados. Se observó que la aplicación de la IA puede fortalecer la resiliencia operativa de las organizaciones, siempre que vaya acompañada de una gobernanza adecuada y capacitación técnica.
Palabras clave: ciberseguridad; continuidad de los servicios; inteligencia artificial; resiliencia operativa; respuesta a incidentes.
1. Introducción
Con la creciente digitalización de las operaciones empresariales, los datos y la información han pasado a predominar en el entorno en línea. Se estima que más de 400 millones de terabytes de datos se generan diariamente en el entorno digital (SiDi, 2025), un volumen que continúa creciendo aceleradamente.
Estos datos se han vuelto valiosos tanto para el crecimiento de las empresas como para la actuación de grupos criminales digitales. En este escenario, la ciberseguridad, definida como el conjunto de prácticas, tecnologías y procesos orientados a la protección de sistemas, redes y datos contra accesos no autorizados, ataques y daños (NIST, 2018), se ha posicionado como la cuarta mayor fuente de riesgo con alta probabilidad de generar crisis a escala global en los próximos años (Foro Económico Mundial, 2024).
Los avances en Inteligencia Artificial (IA) han intensificado este escenario, haciéndola accesible y difundida globalmente, incluso entre los ciberdelincuentes (Gizmodo, 2024). Los datos del mercado indican que los delincuentes utilizan grandes modelos de lenguaje, como ChatGPT, para mejorar las estafas cibernéticas (Exame, 2025), y el 86% de las empresas afirmaron haber sufrido ataques relacionados con el uso de IA entre 2024 y 2025 (Cisco, 2025). Este movimiento ha resultado en un aumento de los ataques adaptativos, que ajustan sus estrategias en tiempo real para evadir los mecanismos de detección tradicionales (Delos, 2024).
Para las empresas, el desafío no reside solo en el creciente volumen de ataques, sino en la dificultad de desarrollar mecanismos de defensa a la misma velocidad, lo que amplía los riesgos operativos e impacta la continuidad del negocio. Sin embargo, la IA también ha surgido como un elemento relevante para fortalecer las defensas de las organizaciones. Las herramientas basadas en aprendizaje automático se han empleado ampliamente en sistemas de detección y prevención de intrusiones, procesando grandes volúmenes de datos en tiempo real y aprendiendo continuamente de incidentes anteriores (Matiz, 2023).
Las organizaciones que adoptaron soluciones de IA y automatización en sus procesos de seguridad lograron reducir en más de 90 días el tiempo promedio de identificación y contención de incidentes, aumentando la eficiencia operativa y la capacidad de respuesta a ataques (IBM, 2023). La IA se ha integrado en plataformas de orquestación, automatización y respuesta a incidentes, automatizando tareas repetitivas y permitiendo que los equipos de seguridad concentren sus esfuerzos en amenazas más complejas y estratégicas, además de fortalecer las prácticas de caza de amenazas (Silva, 2024).
A pesar de los beneficios observados, la adopción de la IA en la ciberseguridad aún enfrenta desafíos relevantes. Entre ellos, se destacan la falta de transparencia de los algoritmos, el riesgo de falsos positivos y las dificultades de actualización de los modelos frente a la constante evolución de los vectores de ataque (Matiz, 2023; Delos, 2024). Estas limitaciones refuerzan la necesidad de estudios que analicen la aplicación práctica de la IA y sus impactos reales en la seguridad digital de las organizaciones, especialmente desde la perspectiva de la resiliencia operacional.
La resiliencia operativa se entiende como la capacidad de mantener funciones esenciales incluso ante incidentes, absorbiendo impactos, adaptándose rápidamente y reanudando operaciones sin interrupciones significativas (NIST, 2024). En el contexto de medianas y grandes empresas, la resiliencia operativa ha asumido un papel estratégico, dada la dependencia de entornos digitales complejos y críticos para la continuidad de las operaciones. La capacidad de responder rápidamente a incidentes, minimizar impactos y mantener servicios esenciales en funcionamiento se ha vuelto, por lo tanto, fundamental.
En este escenario, la IA se ha utilizado como un facilitador para aumentar la eficiencia y reducir el tiempo de respuesta, aunque su efectividad aún depende del nivel de madurez de los procesos y de la integración entre tecnología, personas y gobernanza. La relevancia de la Inteligencia Artificial para la ciberseguridad y la necesidad de comprender sus impactos prácticos justifican este estudio. Así, el objetivo de esta investigación fue analizar cómo la Inteligencia Artificial aplicada a la defensa cibernética contribuye a la resiliencia operativa de organizaciones de tamaño mediano y grande, especialmente en los procesos de respuesta a incidentes y continuidad de los servicios.
2. Material y Métodos
La investigación tuvo objetivos descriptivos, buscando analizar la manifestación de la Inteligencia Artificial (IA) en la defensa cibernética en un contexto organizacional específico. El estudio se centró en comprender y describir la aplicación de la IA en estrategias de seguridad digital y sus efectos en la resiliencia operativa de organizaciones de tamaño mediano y grande, especialmente en los procesos de respuesta a incidentes y continuidad de los servicios, a partir de la percepción de profesionales del mercado.
Se adoptó un enfoque cualitativo, basado en la recopilación de percepciones, experiencias profesionales e interpretaciones de los participantes sobre el uso de la IA en la ciberseguridad (Creswell, 2014; Gil, 2008; Sampieri et al., 2013). El diseño de la investigación fue un estudio de campo cualitativo, elegido para recopilar información directa de profesionales y captar percepciones y experiencias reales sobre el uso de la IA en seguridad digital (Lakatos y Marconi, 2003; Mattar, 2005; Sampieri et al., 2013).
La recopilación de datos se realizó en dos etapas, utilizando dos instrumentos principales. El primero consistió en investigación documental y bibliográfica, basada en fuentes secundarias como artículos científicos, informes técnicos de ciberataques, documentos públicos del sector y publicaciones especializadas en ciberseguridad. Esta etapa inicial contextualizó el problema y fundamentó la construcción del guion de entrevistas. Los documentos fueron identificados mediante búsquedas dirigidas en bases académicas e institucionales (Google Scholar y repositorios oficiales), priorizando estudios recientes, informes de mercado y publicaciones técnicas con aplicación práctica en el contexto organizacional. La relación de los documentos analizados se encuentra en la Tabla 1.
Tabla 1. Documentos utilizados en la investigación.
| Clase de documento | Encabezado | Año | Número de páginas |
|---|---|---|---|
| Informe de mercado | Índice de Preparación en Ciberseguridad | 2025 | No aplicable |
| Informe institucional | Informe sobre Riesgos Globales | 2024 | 96 |
| Informe técnico | Informe sobre el costo de una brecha de datos | 2023 | 83 |
| Artículo científico | Inteligencia Artificial Aplicada a la Ciberseguridad | 2023 | 12 |
| Artículo científico | Ciberseguridad e Inteligencia Artificial | 2024 | 18 |
| Trabajo académico | La Importancia de la Inteligencia Artificial en la Seguridad de la Información | 2024 | 65 |
| Marco técnico | NIST Cybersecurity Framework 1.1 | 2018 | 48 |
| Marco técnico | NIST Cybersecurity Framework 2.0 | 2024 | No aplicable |
| Reportaje técnico | Los hackers están utilizando IA para mejorar las estafas | 2025 | No aplicable |
| Reportaje técnico | Hackers crean FraudGPT con IA maliciosa | 2024 | No aplicable |
Fuente: Datos originales de la Investigación.
El segundo instrumento de recolección fue la realización de entrevistas semiestructuradas en profundidad, conducidas remotamente con profesionales y especialistas en ciberseguridad que actúan en empresas especializadas en la prestación de servicios de seguridad digital para organizaciones de mediano y gran porte. El guion de las entrevistas, compuesto por 17 preguntas abiertas organizadas en ejes temáticos (papel de la IA en la detección y respuesta a incidentes, impactos en la continuidad de los servicios, beneficios operacionales, limitaciones técnicas y desafíos), fue elaborado a partir de temas recurrentes en la literatura y en informes de mercado (Matiz, 2023; Delos, 2024; IBM, 2023; Cisco, 2025; Foro Económico Mundial, 2024). El guion completo y el Término de Consentimiento Libre e Informado (TCLE) fueron incluidos en la sección de Apéndices del trabajo original. Las entrevistas tuvieron una duración media de 30 minutos cada una.
La muestra de la investigación fue no probabilística por conveniencia, compuesta por cinco profesionales de ciberseguridad con experiencia práctica en entornos corporativos de tamaño mediano y grande. La selección se realizó a través de contactos profesionales del investigador e indicaciones en el ámbito corporativo (estrategia de bola de nieve), priorizando a individuos de empresas que ofrecen servicios de seguridad digital. La cantidad de entrevistados se consideró adecuada al carácter cualitativo y exploratorio del estudio, dada la recurrencia de percepciones y la convergencia en los principales puntos analizados (Gil, 2019; Marconi y Lakatos, 2017).
El análisis de los datos recopilados se realizó mediante la técnica de análisis de contenido temático (Bardin, 2011; Franco, 2012; Bauer y Gaskell, 2002). El análisis se estructuró en tres ejes principales: tipos de aplicación de la IA en la defensa cibernética, áreas de la seguridad digital impactadas y efectos percibidos en la resiliencia operativa (tiempo de respuesta a incidentes, continuidad de los servicios y mitigación de impactos).
El contexto de la investigación se centró en el sector de servicios especializados en ciberseguridad, con un enfoque en empresas que operan en la protección de entornos corporativos de tamaño mediano y grande.
En relación a los aspectos éticos, el estudio no fue sometido al Comité de Ética en Investigación del PECEGE, según dictamen del FDE. Se utilizó el Término de Consentimiento Libre y Esclarecido (TCLE), con consentimiento obligatorio de los participantes y mantenimiento del anonimato de los encuestados.
3. Resultados y Discusión
Perfil de los participantes
La investigación contó con la participación de cinco profesionales del área de ciberseguridad, todos actuantes en empresas especializadas en la prestación de servicios de seguridad digital para organizaciones de mediano y gran porte. El perfil de los participantes era predominantemente experimentado, con tres de ellos poseyendo más de diez años de actuación y los demás entre seis y diez años. Esta experiencia abarcadora permitió que los respondientes acompañaran la evolución de las amenazas digitales y de las tecnologías de defensa.
Los participantes desempeñaban funciones estratégicas y operativas, incluyendo respuesta a incidentes, monitoreo de seguridad, investigación de amenazas y diseño de arquitecturas defensivas. Todos informaron experiencia directa con soluciones basadas en Inteligencia Artificial (IA) en entornos corporativos, especialmente en la detección de amenazas, automatización de respuestas y apoyo al análisis de incidentes. Esta vivencia práctica permitió una evaluación crítica de los beneficios, limitaciones e impactos de la IA en la resiliencia operativa de las organizaciones atendidas, según se detalla en la Tabla 2.Tabla 2. Perfil de los entrevistados
| Persona entrevistada | Género | Carga | Tiempo de experiencia | Sector de la empresa | Tamaño de la empresa atendido |
|---|---|---|---|---|---|
| A | Varón | Especialista de Seguridad | Más de 10 años | Servicios de ciberseguridad | Gran escala |
| B | Varón | Especialista en Seguridad | Entre 6 y 10 años | Servicios de ciberseguridad | Mediano y grande |
| C | Varón | Ingeniero de Seguridad | Más de 10 años | Servicios de ciberseguridad | Gran escala |
| D | Varón | Consultor de Seguridad | Entre 6 y 10 años | Servicios de ciberseguridad | Mediano tamaño |
| Y | Varón | Arquitecto de Seguridad | Más de 10 años | Servicios de ciberseguridad | Mediano y grande |
Fuente: Datos originales de la Investigación.
Contexto organizacional de las empresas atendidas
Las empresas atendidas por los profesionales entrevistados, de tamaño mediano y grande, poseían estructuras formales de ciberseguridad e inversiones continuas en tecnología. Los entrevistados, por actuar en servicios de seguridad digital, ofrecieron una visión transversal sobre diferentes ambientes corporativos, niveles de madurez y ocurrencias de incidentes reales.
Se observó un nivel intermedio de madurez en ciberseguridad en las empresas atendidas. A pesar de la adopción de múltiples soluciones de protección, se identificaron dificultades en la integración entre herramientas, estandarización de procesos y coordinación de las acciones de respuesta a incidentes. La madurez se evaluó en una escala de 1 a 5, con respuestas concentradas en los niveles intermedios, lo que indica iniciativas estructuradas, pero con limitaciones en la integración de herramientas, automatización de procesos y enfoque orientado a datos en la respuesta a incidentes.
La Inteligencia Artificial ya estaba presente en estos entornos, principalmente en el monitoreo, detección de amenazas y priorización de alertas, pero de forma parcial y concentrada en herramientas específicas. Los entrevistados reportaron la recurrencia de incidentes cibernéticos, incluyendo ataques automatizados y campañas de ingeniería social mejoradas por IA, sugiriendo que las organizaciones aún enfrentan desafíos para seguir el ritmo y la adaptabilidad de las amenazas.
El análisis individual de los contextos mostró que entornos con estructuras de SOC más consolidadas (Entrevistados A y C) presentaban un uso más intenso de automatización y correlación de eventos. En contraste, organizaciones con menor madurez (Entrevistados B y D) dependían más de análisis manuales y enfrentaban mayor dificultad en la orquestación de la respuesta a incidentes, especialmente en casos de phishing dirigido y explotación de vulnerabilidades. Estos hallazgos refuerzan que la efectividad de la IA está directamente ligada al nivel de madurez organizacional y a la integración de los procesos de seguridad.
El uso de la IA en la detección y respuesta a incidentes
El uso de Inteligencia Artificial en los procesos de detección y respuesta a incidentes cibernéticos ya era una realidad en las organizaciones atendidas, aunque en diferentes niveles de madurez. La IA actuaba principalmente en el monitoreo continuo, análisis de grandes volúmenes de datos de seguridad y priorización de alertas, apoyando directamente a los equipos de respuesta a incidentes.
Los participantes informaron el uso de soluciones basadas en aprendizaje automático para identificar patrones anómalos, correlacionar eventos de seguridad y reducir alertas irrelevantes. Esta aplicación se consideró crucial en entornos complejos, donde el análisis exclusivamente humano sería inviable. La IA aceleró la identificación de incidentes y dirigió la atención de los equipos hacia sucesos con mayor potencial de impacto operativo. Un caso reportado (Entrevistado B) destacó el uso de monitoreo con IA para la correlación automática de eventos en un SOC, reduciendo alertas manuales y priorizando incidentes, lo que resultó en una respuesta más ágil en las etapas iniciales del ataque. Este hallazgo está en línea con estudios de mercado que indican la reducción del tiempo de detección y respuesta como beneficio de la IA (IBM, 2023).
La IA también se asoció con la automatización de acciones iniciales, como la contención de amenazas, el aislamiento de activos comprometidos y la aplicación de respuestas predefinidas. Estas capacidades permitieron una actuación más rápida en momentos críticos del incidente, previniendo la propagación y la ampliación de los daños. Sin embargo, la percepción recurrente fue que la toma de decisiones final permaneció bajo responsabilidad humana, especialmente en incidentes complejos o con impacto directo en sistemas críticos.
En general, la IA actuó como un elemento complementario al trabajo de los equipos de seguridad, ampliando la capacidad de detección y respuesta, pero sin sustituir el análisis especializado. La efectividad de este uso estuvo directamente relacionada con la integración de las herramientas de IA a los procesos existentes y a la claridad de las reglas de automatización adoptadas.
Impactos percibidos en la resiliencia operativa
Los encuestados indicaron que la adopción de soluciones basadas en Inteligencia Artificial impactó directamente la resiliencia operativa, especialmente en la rapidez de respuesta y en la capacidad de mantener servicios críticos durante incidentes. Antes de la IA, la identificación y el tratamiento de incidentes eran más lentos y reactivos.
Los impactos de la IA se concentraron en las etapas de detección y respuesta, con menor influencia en la prevención. Se destacaron ganancias en la identificación temprana de amenazas y en la ejecución de acciones iniciales de contención. La incorporación de la IA redujo significativamente el tiempo de detección y contención de incidentes, transformando investigaciones de horas en segundos automatizados. Esta anticipación minimizó la propagación de ataques, redujo impactos y evitó interrupciones prolongadas. La automatización de respuestas iniciales, en particular, contribuyó a la continuidad operativa en escenarios de alta presión, corroborando datos de mercado sobre la reducción del tiempo de identificación y contención (IBM, 2023).
Un caso reportado (Entrevistado C) mencionó el uso de soluciones con IA integradas al monitoreo de eventos de seguridad, permitiendo la identificación rápida de comportamientos anómalos y el accionamiento automático de medidas iniciales de contención, lo que redujo el tiempo entre detección y respuesta y evitó la escalada del impacto.
La percepción sobre estas ganancias no fue uniforme. Los entrevistados con actuación más técnica (A y C) destacaron ganancias operacionales evidentes en la reducción del tiempo de respuesta y automatización. Ya los de perfil más estratégico (D y E) demostraron cautela, resaltando que la resiliencia depende de la madurez de los procesos y de la capacidad de interpretar los datos de la IA, no solo de la tecnología.
Otro punto recurrente fue la mejora en la capacidad de lidiar con múltiples incidentes simultáneos. La IA ayudó en la priorización de eventos de mayor impacto, optimizando la asignación de recursos humanos y contribuyendo a una mayor estabilidad operativa, especialmente en entornos con equipos reducidos o alta complejidad tecnológica.
A pesar de los avances, la resiliencia operativa no estuvo exclusivamente ligada a la tecnología. La efectividad de la IA fue mayor en organizaciones con procesos de respuesta bien definidos, planes de continuidad estructurados y equipos capacitados. En contextos sin estos elementos, la IA fue un facilitador, pero no un factor suficiente para garantizar la resiliencia. Los informes indicaron que la IA fortaleció la capacidad de resistir, responder y recuperarse de incidentes, siempre que se integrara a una estrategia más amplia de gestión de riesgos y continuidad del negocio.
Este escenario evidenció un trade-off entre velocidad y control: la automatización permite respuestas más rápidas, pero aumenta la necesidad de validación para evitar decisiones equivocadas en entornos críticos, especialmente en contextos de alta dependencia operativa.
Riesgos, limitaciones y dependencia excesiva de la automatización
Aunque los encuestados reconocieron los beneficios de la IA en la ciberseguridad, también señalaron riesgos y limitaciones, principalmente la dependencia excesiva de la automatización. Un riesgo recurrente fue la confianza excesiva en las decisiones de los sistemas de IA, especialmente en entornos con menor madurez operativa. El Entrevistado C mencionó que la automatización sin seguimiento, reglas claras e intervención humana puede generar bloqueos innecesarios, interrupciones en servicios y respuestas automáticas inadecuadas.
Esta percepción del riesgo varió. Los encuestados B, C y D consideraron la dependencia excesiva un problema perceptible en contextos sin monitoreo continuo, validación humana o criterios de control. Por otro lado, A y E vieron este escenario como más incipiente, condicionado a una menor madurez operativa, uso inadecuado de herramientas o baja tolerancia a errores.
Los participantes informaron que, en algunos contextos, la automatización se adopta como sustituta del análisis humano, y no como apoyo. Esta práctica se consideró una debilidad, ya que los modelos de IA pueden generar falsos positivos, interpretaciones erróneas o respuestas inadecuadas en escenarios atípicos. La ausencia de validación humana se percibió como un riesgo para la resiliencia operativa, pudiendo llevar al bloqueo indebido de servicios o a la priorización incorrecta de incidentes.
El Entrevistado D relató un caso en el que una respuesta automatizada bloqueó temporalmente un servicio legítimo, interpretando un comportamiento atípico como una amenaza. Aunque la acción fue técnicamente coherente, la falta de validación contextual generó un impacto operativo innecesario, evidenciando los riesgos de la automatización sin supervisión.
Otra limitación destacada fue la transparencia de los algoritmos. Los entrevistados mencionaron dificultades para comprender los criterios de la IA para clasificar alertas o recomendar acciones, lo que reduce la capacidad de los equipos para auditar decisiones y ajustar estrategias. Esta falta de visibilidad fue un obstáculo para la gobernanza de la seguridad y la confianza en la automatización, evidenciando la necesidad de equilibrio entre eficiencia operativa y control. Con el aumento del uso de la automatización, crece la exigencia por mecanismos que garanticen transparencia, auditabilidad y seguridad en las decisiones de los sistemas.
La efectividad de la IA también depende de la calidad de los datos para el entrenamiento y la operación de los modelos. Entornos con datos incompletos, mal clasificados o desactualizados tienden a generar resultados menos confiables, exigiendo un mayor esfuerzo de corrección manual, un punto reforzado por estudios sobre la criticidad de la calidad de los datos para sistemas de IA (MONFRE; SILVA; VICENTIN, 2023).
Los especialistas reforzaron que la automatización no elimina la necesidad de procesos estructurados, revisión continua y capacitación de los equipos técnicos. La percepción sobre estos riesgos varió conforme a la madurez organizacional. En contextos de los Entrevistados A y C, la automatización fue más confiable debido a procesos de validación, integración y gobernanza. En los relatos de los Entrevistados B y D, los riesgos de la dependencia de la IA fueron más críticos, por la ausencia de controles adecuados y mayor dificultad de validación contextual de las respuestas automatizadas.
En términos generales, los entrevistados convergieron en la percepción de que la IA fortaleció la seguridad y la resiliencia operativa como herramienta de apoyo, y no como sustitución de la gobernanza humana. La dependencia excesiva de la automatización, sin criterios claros de control y validación, fue vista como un factor que puede comprometer la capacidad de las organizaciones para responder a incidentes cibernéticos, especialmente en escenarios críticos que exigen decisiones contextualizadas.
Entre la teoría y la práctica: un análisis de los resultados
Los resultados de las entrevistas indicaron una convergencia parcial con la literatura y los informes de mercado sobre el uso de la IA en la ciberseguridad. Los profesionales confirmaron que las soluciones basadas en IA forman parte de las operaciones de seguridad, especialmente en la detección de amenazas, la correlación de eventos y la priorización de alertas, fortaleciendo las capacidades defensivas (MATIZ, 2023; CISCO, 2025).
Sin embargo, esta convergencia no fue homogénea, variando según el nivel de madurez organizacional y la integración de las soluciones de IA. Hubo un distanciamiento entre el potencial teórico de la IA y su aplicación práctica. Aunque la literatura destaca ganancias en eficiencia, reducción del tiempo de respuesta y automatización de decisiones (IBM, 2023; SILVA, 2024), en la práctica, la IA actúa mayoritariamente como apoyo a la decisión humana, y no como elemento autónomo en procesos críticos de respuesta a incidentes.
Este hallazgo refuerza que factores como la madurez organizacional, la gobernanza, la confianza en los modelos y la integración con los procesos existentes limitan una adopción más avanzada de la tecnología. El distanciamiento también se relacionó con la expectativa inicial de que la IA automatizaría integralmente la respuesta a incidentes. En la práctica, la validación humana sigue siendo esencial, especialmente en escenarios críticos, lo que reduce la autonomía efectiva de las soluciones.
Otro punto de alineación con la literatura fue la visión crítica sobre los riesgos del uso excesivo de la automatización. Los entrevistados destacaron preocupaciones sobre falsos positivos, dependencia excesiva y dificultades de explicabilidad de los modelos, aspectos ampliamente discutidos en estudios recientes sobre IA en la seguridad (PEREIRA; ALMEIDA; LIMA, 2024; MONFRE; SILVA; VICENTIN, 2023). Estos riesgos refuerzan la necesidad de equilibrio entre automatización y supervisión humana en contextos de alta criticidad, evidenciando una tensión entre eficiencia y control. La automatización amplía la capacidad operativa, pero las decisiones críticas exigen supervisión para evitar impactos negativos.
En cuanto a la resiliencia operativa, la IA contribuye de manera más consistente a las fases de respuesta y recuperación que a la prevención aislada. La reducción del tiempo de identificación, la priorización de eventos y el soporte a la toma de decisiones en crisis fueron los principales beneficios, alineados con la literatura sobre el impacto de la IA en la continuidad de los servicios y la mitigación de daños (IBM, 2023; NIST, 2024). La contribución de la IA tiene un mayor impacto en las capacidades de respuesta y recuperación, mientras que las dimensiones de anticipación y adaptación dependen más de factores organizacionales y estructurales (NIST, 2018).
Los resultados sugieren que la IA representa un avance en la defensa cibernética, pero su contribución a la resiliencia operativa está condicionada a la madurez de los procesos, la capacitación de los equipos y la definición clara de roles entre la automatización y el análisis humano. Esto refuerza la importancia de enfoques realistas y progresivos en la adopción de la IA, alineando la tecnología con la madurez organizacional, los procesos existentes y la gobernanza, evitando expectativas irreales y riesgos de automatización excesiva.
Implicaciones prácticas para la gestión de ciberseguridad
La adopción de Inteligencia Artificial en ciberseguridad debe ser estratégica y alineada a la madurez de las organizaciones. Las mayores ganancias se concentran en los procesos de detección y respuesta a incidentes, sugiriendo que estas etapas deben ser priorizadas en la implementación inicial.
La automatización de decisiones críticas sin validación humana se identificó como un riesgo relevante, especialmente en entornos con menor madurez operativa. Se recomienda evitar la sustitución completa del análisis humano, manteniendo supervisión y control en procesos sensibles con potencial impacto directo en la continuidad de los servicios.
Los resultados refuerzan la importancia de las inversiones en gobernanza, calidad de datos y capacitación de los equipos para garantizar la efectividad de las soluciones basadas en IA. La ausencia de estos elementos puede limitar los beneficios de la tecnología e introducir nuevos riesgos operativos, comprometiendo la resiliencia.
La adopción de IA debe ocurrir de forma estructurada, integrada a los procesos existentes y con una definición clara de responsabilidades entre sistemas automatizados y equipos humanos. La tecnología debe actuar como apoyo a la toma de decisiones, y no como sustitución del análisis crítico, según se sintetiza en la Tabla 3.Tabla 3. Síntesis de los principales hallazgos de la investigación
| Dimensión de análisis | Resultados principales | Implicaciones prácticas |
|---|---|---|
| Uso de la IA en la detección y respuesta | La IA ya se utiliza ampliamente en el monitoreo, la correlación de eventos y la priorización de alertas, actuando como apoyo a los equipos de seguridad | Priorizar la adopción de IA en procesos de detección y respuesta, donde las ganancias son más evidentes |
| Impactos en la resiliencia operativa | Reducción del tiempo de respuesta y mayor capacidad para manejar múltiples incidentes, con mayor impacto en las fases de respuesta y recuperación | Dirigir inversiones en IA para fortalecer las capacidades de respuesta y la continuidad operativa |
| Diferencias por madurez organizacional | Ambientes más maduros presentan mayor integración, automatización y confiabilidad en el uso de la IA | Alinear la adopción de IA al nivel de madurez de la organización, evitando implementaciones desconectadas de los procesos |
| Limitaciones y riesgos de la automatización | Riesgos de falsos positivos, decisiones erróneas y falta de explicabilidad de los modelos | Mantener supervisión humana y mecanismos de validación en decisiones críticas |
| Dependencia de datos y gobernanza | La efectividad de la IA depende de la calidad de los datos, procesos estructurados y gobernanza | Invertir en calidad de datos, gobernanza y capacitación de equipos antes de ampliar la automatización |
| Brecha entre teoría y práctica | La IA todavía actúa mayoritariamente como apoyo, y no como elemento autónomo en los procesos críticos | Evitar expectativas irreales sobre automatización total y adoptar un enfoque progresivo |
| Resiliencia operacional (visión general) | Mayor contribución de la IA en las fases de respuesta y recuperación, con menor impacto en anticipación | Integrar IA a estrategias más amplias de gestión de riesgos y continuidad de negocios |
Fuente: Datos originales de la Investigación.
En resumen, la Inteligencia Artificial ha demostrado ser un elemento relevante para mejorar la eficiencia operativa y reducir el tiempo de respuesta en ciberseguridad, especialmente en la detección y respuesta a incidentes. Sin embargo, su efectividad está intrínsecamente ligada a la madurez organizacional, a la gobernanza adecuada y a la capacitación de los equipos, actuando como un apoyo a la decisión humana y no como un sustituto integral, lo cual es crucial para la resiliencia operativa.
4. Conclusión
La presente investigación buscó analizar cómo la Inteligencia Artificial aplicada a la defensa cibernética contribuye a la resiliencia operativa de organizaciones de mediano y gran tamaño, especialmente en los procesos de respuesta a incidentes y continuidad de los servicios. Se verificó que la IA ya es ampliamente utilizada en el monitoreo continuo, detección de amenazas y priorización de alertas, actuando como un apoyo fundamental a los equipos de seguridad. Los hallazgos indicaron que la incorporación de la IA redujo significativamente el tiempo de detección y contención de incidentes, transformando investigaciones que antes llevaban horas en segundos automatizados. Esta capacidad de anticipación y automatización de acciones iniciales, como contención de amenazas y aislamiento de activos, contribuyó a la continuidad operativa y a la mejora en la capacidad de lidiar con múltiples incidentes simultáneos, optimizando la asignación de recursos humanos. Sin embargo, se observó que la toma de decisión final en incidentes complejos o críticos permaneció bajo responsabilidad humana, evidenciando que la IA actúa como un elemento complementario, ampliando la capacidad de detección y respuesta, pero sin sustituir el análisis especializado. La principal contribución del estudio reside en demostrar que la Inteligencia Artificial fortalece la resiliencia operativa al aumentar la agilidad y la eficacia de las defensas cibernéticas, siempre que se integre a una gobernanza adecuada y capacitación técnica de los equipos.
A pesar de los avances, la investigación identificó limitaciones, como la dependencia excesiva de la automatización sin validación humana, que puede generar falsos positivos y respuestas inadecuadas, comprometiendo la resiliencia. La falta de transparencia de los algoritmos y la necesidad de datos de calidad para el entrenamiento de los modelos también fueron señaladas como desafíos. La efectividad de la IA demostró estar intrínsecamente ligada a la madurez de los procesos de seguridad y a la integración de las soluciones. Como limitaciones del estudio, se destaca el número reducido de entrevistados y la utilización de una muestra no probabilística, lo que restringe la generalización de los resultados. Se sugiere para estudios futuros la ampliación de la muestra, la inclusión de diferentes sectores y perfiles organizacionales, y la adopción de enfoques cuantitativos o mixtos para medir de forma más objetiva los impactos de la Inteligencia Artificial en la resiliencia operacional, profundizando en dimensiones como anticipación y adaptación.
Referencias Bibliográficas
EXAME. Hackers estão usando inteligência artificial para aprimorar golpes, diz Microsoft. Disponível em: https://exame.com/tecn
FÓRUM ECONÔMICO MUNDIAL. Relatório de Riscos Globais 2024. Genebra: Fórum Econômico Mundial, 2024. Disponível em: https://www.weforum.org/reports/global-risks-report-2024. Acesso em: 14 out. 2025.
GIZMODO. Hackers criam FraudGPT com IA maliciosa para gerar golpes com um clique. Gizmodo Brasil, 1 fev. 2024. Disponível em: https://gizmodo.uol.com.br/hackers-criam-fraudgpt-com-ia-maliciosa-para-gerar-golpes-com-um-clique/. Acesso em: 03 nov. 2025.
NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY (NIST). Framework for Improving Critical Infrastructure Cybersecurity. Version 1.1. Gaithersburg: NIST, 2018. Disponível em: https://nvlpubs.nist.gov/nistpubs/CSWP/NIST.CSWP.04162018.pdf. Acesso em: 30 mar. 2026.
Artículo originado del Trabajo de Conclusión de Curso de Especialización en Digital Business del MBA USP/Esalq
Para saber más sobre el curso, haga clic aquí y acceda a la plataforma MBX Academy