La seguridad se basa fundamentalmente en saber lo que un sistema debe hacer y detectar cuándo hace algo diferente. Para software con rutas de ejecución deterministas, esto es un problema abordable. Para los agentes de IA, no lo es.

Un agente no sigue una ruta de código fija. Razona hacia un objetivo, selecciona herramientas en función de ese razonamiento y adapta su siguiente acción según lo que devuelvan esas herramientas. La misma entrada puede producir una secuencia diferente de acciones dependiendo del contexto, el historial de la sesión y lo que haya devuelto una herramienta externa. El comportamiento es la superficie de ataque, y el comportamiento cambia.

Los proxies tradicionales y los firewalls de IA fueron diseñados para inspeccionar contenido: lo que un usuario envió y lo que un modelo devolvió. La seguridad de intenciones plantea una pregunta diferente: ¿este agente está haciendo lo que fue diseñado para hacer, en este contexto, para este usuario, en este momento? Responder eso requiere construir una línea base de comportamiento para cada agente y medir continuamente la desviación de la misma.

Ese es el problema que Lasso fue diseñado para resolver. En este artículo, repasaremos la plataforma de seguridad de IA de Lasso, desde el descubrimiento y la gestión de riesgos de IA hasta el red teaming y la aplicación en tiempo de ejecución, y cómo cada etapa alimenta a la siguiente.

La filosofía: un ciclo cerrado defensivo y ofensivo

Antes de revisar las capacidades, vale la pena entender el argumento estructural que plantea Lasso. La mayoría de las organizaciones que hoy toman en serio la seguridad de la IA han reunido una colección de soluciones puntuales: un escáner de postura, una herramienta de red teaming para pruebas previas al lanzamiento, algo de registro en tiempo de ejecución. Cada una opera de forma aislada. Los hallazgos de postura no informan lo que se prueba. Los hallazgos de pruebas no actualizan automáticamente las políticas de ejecución. El resultado es que el riesgo se acumula en los traspasos.

La arquitectura de Lasso cierra esos traspasos. El descubrimiento alimenta directamente al análisis de postura. Los hallazgos de postura moldean los objetivos del red teaming. Los hallazgos del red teaming generan automáticamente actualizaciones de las barreras de protección para la aplicación en tiempo de ejecución. El ciclo es continuo, y cada etapa hace que la siguiente sea más precisa. La capa de inteligencia que opera en todo el proceso es la intención, que aprende y mejora constantemente la línea base de lo que el agente debería y no debería hacer.

Descubrimiento e inventario

El descubrimiento de agentes de IA es la brecha más común que reportan los equipos de seguridad, y se está volviendo más difícil a medida que las organizaciones pasan de suscribirse a herramientas de IA a construir sus propios agentes.

Usar una herramienta de IA de terceros significa aceptar el modelo de seguridad de otra persona. Construir un agente significa ser dueño de la selección del modelo, el prompt del sistema, el acceso a herramientas, las barreras de protección y el comportamiento en tiempo de ejecución. Los equipos de seguridad necesitan saber lo que su organización está construyendo, no solo a lo que se está suscribiendo.

Los agentes que se construyen hoy no provienen solo de equipos de ingeniería que escriben código. Un equipo de cumplimiento podría usar Microsoft Copilot Studio para construir un agente interno que consulte datos de recursos humanos y resuma documentos de políticas. Un equipo de ingeniería podría usar AWS Bedrock para construir un agente de atención al cliente con acceso a una base de datos de producción. Cada uno tiene un modelo diferente, una superficie de herramientas diferente, un conjunto de permisos diferente y un perfil de riesgo diferente. Ninguno vive en el mismo lugar, y ninguna plataforma en la nube ofrece visibilidad entre entornos.

Lasso resuelve esto a través de tres fuentes distintas: constructores de agentes low-code y no-code, entornos en la nube, y pipelines CI/CD y repositorios de código. La salida es una Factura de Materiales de IA (AIBOM): un registro completo y actualizado continuamente de cada agente y aplicación de IA en la organización, perfilado a través de su modelo, prompt del sistema, herramientas, barreras de protección, políticas y configuraciones.

Gestión de Postura de Seguridad de IA (AI-SPM)

Una vez que existe el inventario, Lasso construye un grafo de seguridad de cada aplicación y mapea sus agentes, LLMs, bases de datos y APIs conectados. Esta representación visual hace visibles las rutas de ataque: se puede ver cómo un actor de amenazas podría moverse a través del sistema antes de que lo haga.

El AI-SPM de Lasso ejecuta análisis estático de las configuraciones de cada aplicación y correlaciona los hallazgos con los marcos NIST, OWASP y MITRE. Las configuraciones erróneas se muestran con brechas de cobertura de marco, de modo que los equipos de seguridad y desarrollo tengan tanto el hallazgo técnico como el contexto de cumplimiento en un solo lugar.

Esto es importante porque las fallas de seguridad de IA más comunes no son ataques sofisticados. Son prompts de sistema mal configurados, acceso a herramientas con permisos excesivos y barreras de protección que nunca fueron probadas contra nada adversarial. AI-SPM encuentra estos antes de que un atacante lo haga.

Red Teaming Automatizado de IA

Probar una aplicación de agente es un problema fundamentalmente diferente a probar una API tradicional o una aplicación web. Las aplicaciones de IA son no deterministas. Retienen memoria a lo largo de las interacciones, encadenan llamadas a herramientas de formas que crean comportamiento emergente y responden de manera diferente a la misma entrada dependiendo del contexto. Un barrido de carga útil estática pierde casi todo esto.

El Red Teaming Automatizado de IA de Lasso está construido desde cero para esta superficie de ataque. Antes de que se lance cualquier ataque, Lasso realiza un reconocimiento: ingeniería inversa de la aplicación a través de su modelo, prompt del sistema, herramientas, barreras de protección y alcance conductual. Los hallazgos de postura de AI-SPM alimentan directamente el targeting del red teaming, de modo que las pruebas se dirigen a la superficie de riesgo real de cada aplicación, no a una lista de verificación genérica de ataques.

Tres modos de ataque operan de forma independiente o combinada: ataques estáticos (con una biblioteca de más de 300,000 payloads actualizados continuamente), ataques dinámicos (pruebas multi-turno para evaluar la fragilidad de la intención bajo presión adversarial sostenida) y ataques de alta agencia (adversarios autónomos con roles especializados que ejecutan secuencias de ataque multi-turno adaptadas a cada aplicación).

Cada hallazgo se mapea directamente a una acción de remediación: la configuración errónea exacta, la actualización de barrera de protección recomendada y una nueva prueba para confirmar la solución. Los hallazgos del red teaming generan automáticamente actualizaciones de barreras de protección que alimentan la aplicación en tiempo de ejecución sin un traspaso manual.

Protección en tiempo de ejecución con barreras de protección en línea

Lasso aplica barreras de protección en línea a nivel de proxy, API o puerta de enlace de IA con bloqueo en tiempo real en menos de 50 ms, sin requerir cambios de código, acceso al código fuente o agentes desplegados en el entorno de la aplicación.

La profundidad de lo que se aplica es donde esta capacidad se separa de las herramientas básicas de barreras de protección. Lasso ejecuta miles de clasificadores en cada interacción, cubriendo todo el OWASP LLM y Agentic Top 10, exposición de datos sensibles y prevención de fugas de datos, inyección de prompts e intentos de jailbreak, y toda la gama de ataques específicos de IA que no se corresponden con las firmas de seguridad tradicionales.

Para casos que requieren comprensión semántica, la evaluación LLM-as-a-judge se ejecuta en línea, evaluando si una respuesta es apropiada dado el alcance previsto de la aplicación, no solo si coincide con un patrón conocido de ataque. Las políticas pueden desplegarse listas para usar o construirse como reglas personalizadas adaptadas al caso de uso específico de cada aplicación. Ambas se mapean directamente a los controles de OWASP, NIST y MITRE, de modo que cada decisión de aplicación tenga una referencia de marco adjunta.

Purple Teaming continuo para actualizar automáticamente las barreras de protección

El ciclo cerrado entre ataque y defensa es lo que hace que la plataforma se refuerce a sí misma. Los hallazgos del red teaming pueden generar automáticamente actualizaciones de las barreras de protección, cerrando el ciclo entre lo que se encontró en las pruebas y lo que se aplica en producción sin un traspaso manual entre equipos. Los equipos de seguridad pueden revisar y aprobar las actualizaciones, y la plataforma avanza hacia un refinamiento de políticas cada vez más autónomo con el tiempo.

Seguridad de intenciones: gobernar lo que los agentes hacen, no solo lo que dicen

El filtrado de contenido y los modelos de permisos son necesarios pero insuficientes en un entorno de agente. El mismo agente, con los mismos permisos, operando en la misma sesión, puede representar un comportamiento completamente normal o una cadena de ejecución comprometida dependiendo del contexto. La inspección de contenido por sí sola no puede distinguir la diferencia.

En el núcleo de la plataforma de Lasso está el Motor de Seguridad de Intenciones, la capa de inteligencia que opera en cada etapa. En lugar de evaluar prompts aislados o salidas individuales, construye una línea base de comportamiento para cada agente y aplicación basada en el historial completo de interacciones, y luego mide continuamente la desviación de esa línea base.

Dos señales impulsan la detección: la desalineación de intenciones en cadena evalúa si la solicitud del usuario, el prompt del sistema, el razonamiento del agente y la acción de la herramienta están alineados dentro de un flujo de ejecución único. La anomalía de intención conductual identifica cuándo una acción se desvía de los patrones históricos o las normas del flujo de trabajo, incluso cuando la cadena interna parece consistente.

El resultado es un 98.6% de precisión de detección con una tasa de falsos positivos del 1.4%, lo suficientemente preciso como para aplicarlo en producción sin generar el ruido de alertas que lleva a los equipos de seguridad a reducir los controles.

Cumplimiento e informes

Los hallazgos de seguridad solo son útiles si habilitan decisiones. Lasso conecta cada hallazgo, desde configuraciones erróneas de AI-SPM hasta vulnerabilidades de red teaming y detecciones en tiempo de ejecución, con los controles de OWASP LLM Top 10, NIST y MITRE ATLAS. Esto significa que un equipo de seguridad que revisa un informe de red teaming y un equipo de cumplimiento que se prepara para una auditoría están trabajando con la misma evidencia mapeada, no reconciliando resultados entre herramientas separadas.

Los paneles listos para auditoría brindan a los líderes de seguridad una imagen completa en todo el ciclo de vida: qué se descubrió, qué brechas de postura existen, qué se probó y cómo, qué se encontró, qué se solucionó y cómo se ve el riesgo residual. Las exportaciones están estructuradas para informes a la junta directiva y presentaciones regulatorias.

Para organizaciones en industrias reguladas, incluyendo servicios financieros, salud y gobierno, Lasso puede desplegarse on-premises o en una VPC, dando a los equipos control total sobre datos sensibles, prompts y modelos propietarios. La plataforma no requiere acceso al código fuente ni agentes desplegados en el entorno de la aplicación, lo que importa para organizaciones con requisitos estrictos de residencia de datos.

La historia de cumplimiento que Lasso habilita no es solo "ejecutamos pruebas". Es una cadena de evidencia documentada desde el descubrimiento hasta la remediación, mapeada a marcos reconocidos, con cada decisión trazable.

Una plataforma construida para hacia dónde va la seguridad de la IA

Las organizaciones que despliegan aplicaciones de IA a escala hoy no están esperando a que las herramientas de seguridad se pongan al día. Las que lo hacen de manera responsable ya han concluido que la observabilidad por sí sola no es suficiente, que las pruebas previas al despliegue deben ejecutarse continuamente en lugar de según un cronograma, y que la protección en tiempo de ejecución debe gobernar el comportamiento del agente, no solo registrarlo.

La plataforma de seguridad de IA de Lasso está construida para cubrir todo ese alcance, desde la primera línea de un prompt del sistema hasta cada interacción en producción, como un ciclo cerrado continuo.