Las empresas indias de ciberseguridad utilizan IA para reducir las pruebas de vulnerabilidades a horas

Las empresas indias de ciberseguridad, incluidas Indusface y Astra Security, están adoptando agentes de IA basados en grandes modelos de lenguaje para acelerar las pruebas de vulnerabilidades del software, pasando de días o semanas a horas, según The Economic Times. El cambio refleja la creciente rapidez de los atacantes y la capacidad emergente de las herramientas de IA para identificar exploits de forma autónoma, lo que impulsa a las empresas a adoptar pruebas automatizadas para mantenerse al ritmo de las amenazas en evolución.

Aceleración del tiempo de pruebas

Las evaluaciones de seguridad para clientes grandes que antes requerían cuatro a cinco días, o hasta 20 días para aplicaciones más grandes, ahora se completan en cuestión de horas, según Ashish Tandon, CEO de Indusface. Esta aceleración permite a los equipos de seguridad identificar y abordar vulnerabilidades con mayor rapidez a medida que evoluciona el panorama de amenazas.

Rapidez del atacante y crecimiento de vulnerabilidades

La urgencia por realizar pruebas más rápidas se ve reforzada por datos emergentes sobre las capacidades de los atacantes. CrowdStrike informó que el tiempo promedio de ruptura del atacante bajó a 48 minutos en 2025. Mientras tanto, Gartner proyecta que las vulnerabilidades documentadas anuales superarán 1 millón para 2030, frente a aproximadamente 277.000 en 2025, un aumento cercano a cuatro veces.

Expansión de la capacidad de la IA

Proofpoint, que amplió operaciones en India el año pasado, señaló que los agentes de IA ayudan a revisar miles de alertas de amenazas a diario. Esta automatización aborda un desafío crítico: las empresas se enfrentan a regulaciones de datos cada vez más estrictas y a una escasez de analistas de seguridad cualificados. La capacidad va más allá de la depuración de alertas: según Anthropic, Claude Mythos Preview identificó un bug en OpenBSD, un sistema operativo de código abierto, que había permanecido indetectado durante 27 años. El mismo modelo logró una tasa de éxito del 72,4% al convertir vulnerabilidades conocidas en exploits funcionales, frente al 14,4% de Opus 4.6, un modelo anterior de Anthropic.

Remediación y disparidad organizacional

Aunque la IA acelera el descubrimiento de vulnerabilidades, la remediación—el proceso de corregir problemas de seguridad—sigue siendo un cuello de botella que requiere revisión y aprobación humanas. Según Arctic Wolf, una empresa de ciberseguridad, el 76% de las violaciones en sus casos de respuesta a incidentes implicaron una o más de 10 vulnerabilidades conocidas para las que había parches disponibles antes de la explotación. Esta brecha podría ampliarse en todo el panorama de seguridad: las empresas más grandes, equipadas con capacidades de detección y remediación impulsadas por IA, podrían superar a organizaciones más pequeñas que carecen de personal o presupuesto suficientes para gestionar el volumen de vulnerabilidades identificadas.