Zero trust nació para verificar personas y dispositivos. Un agente que decide sus propias herramientas, encadena llamadas a APIs, y desaparece cuando termina su trabajo no encaja en ese molde — y la mayoría de las empresas todavía no se dieron cuenta.
Un agente interpreta un objetivo, elige sus propias herramientas, encadena llamadas a APIs, genera subtareas, adapta su comportamiento según los datos que encuentra, y desaparece cuando termina el trabajo. Puede tener credenciales que no controla directamente, tocar recursos que su diseñador nunca anticipó, y operar a velocidad de máquina sin ningún humano en el loop entre pasos — características que el modelo zero trust diseñado para personas y dispositivos fijos simplemente no contempló.
En una empresa típica de 2026, las identidades de máquina superan a los usuarios humanos por órdenes de magnitud, con encuestas citando proporciones de 50 a 1 en entornos tradicionales, subiendo hasta 500 a 1 en stacks intensivos en microservicios. Según el reporte State of AI Agent Security 2026 de Gravitee, solo el 47.1% de los agentes de IA desplegados está siendo monitoreado o asegurado activamente — más de la mitad opera sin supervisión de seguridad real.
Un estudio de Cloud Security Alliance y Aembit encontró que el 68% de las organizaciones no puede distinguir claramente actividad humana de actividad de agente de IA en sus propios logs — un problema fundamental de visibilidad que hace casi imposible aplicar cualquier política de seguridad diferenciada entre ambos tipos de actor.
El Agentic Trust Framework (ATF) de Cloud Security Alliance es un modelo de madurez que trata a la IA como empleados, categorizándolos desde roles de "Intern" (acceso mínimo, supervisión constante) hasta agentes "Principal" con acceso profundo a sistemas — un marco de progresión gradual de confianza, en vez de tratar a todo agente por igual desde el día uno.
La recomendación que se está consolidando es simple de enunciar y difícil de implementar: mantener al humano en el loop para decisiones de alto impacto, pero automatizar la respuesta defensiva. En la práctica, esto significa tratar cada agente como una identidad de primera clase con su propio ciclo de vida de credenciales, permisos escopados a la tarea específica que ejecuta, y logs que distingan explícitamente su actividad de la de cualquier usuario humano.
Carlos Montiel es arquitecto de soluciones IA empresarial. Implementa LLMs, Agentes, RAG y orquestadores en empresas de Guatemala y Latinoamérica. Contáctalo para una consultoría.
Contactar a Carlos Montiel