Tiempo de lectura: 22 minutos
TL;DR
Dirijo una empresa de seguridad, y las preguntas que me llegan ya no son sobre un CVE. Son sobre el negocio. ¿Cambia la IA nuestro sector para siempre? ¿Costará un test de intrusión la décima parte de lo que costaba? ¿Vale más un sénior con IA que un júnior, o más que la IA por su cuenta? Y cuando las herramientas te sueltan mil hallazgos a la semana, la mitad equivocados, ¿quién paga por separar lo real del ruido? ¿Es real siquiera el precio, o hay un proveedor pagando en silencio parte de tu factura hasta la salida a bolsa? ¿Aceptará alguna vez un auditor la palabra de una máquina por encima de la de un humano? ¿Y debería estar saliendo de tu edificio siquiera? No creo que nadie honesto tenga aún respuestas cerradas, así que esto no es un artículo de predicciones. Para cada pregunta expondré la versión más fuerte de ambos lados, con los números en los que de verdad confío, y al final te diré dónde me posiciono yo. La versión corta: la IA ha hundido el coste de producir trabajo de seguridad y casi no ha tocado el coste de confiar en él. Todo lo demás se deriva de esa brecha. Un apunte sobre qué es esto: son mis propias opiniones, no pronósticos, y aunque las argumento desde mi propio campo, creo que las mismas fuerzas están remodelando toda profesión experta en la que la IA ha entrado. La seguridad es sencillamente la que puedo tratar con honestidad, así que es la lente que uso a lo largo del texto.
Lo único que de verdad cambió
Antes de las siete preguntas, la idea sobre la que giran todas. La IA abarató producir trabajo de seguridad y dejó el coste de juzgarlo más o menos donde estaba.
Un modelo puede escribir un exploit, enumerar una superficie de ataque, redactar un informe o señalar una anomalía en segundos. Lo que no puede es responder por el resultado. Alguien tiene todavía que decidir si el exploit es real, si el hallazgo importa para este negocio, si el parche es seguro de desplegar y si el conjunto merece el dinero y la reputación de un cliente. Esa decisión no se ha abaratado. Si acaso se ha encarecido, porque ahora hay muchísima más producción apuntándola.
Quédate con esa idea. Es la razón por la que los precios se comportan de forma rara, la razón por la que la veteranía todavía cobra una prima, y la razón por la que «nos salieron más hallazgos» no es la buena noticia que parece.
1. ¿Cambia la IA el sector para siempre?
El caso de que es una ruptura real. En junio de 2025, un sistema autónomo de XBOW alcanzó el primer puesto del ranking estadounidense de recompensas de HackerOne, la primera vez que lo ocupaba algo no humano, tras enviar del orden de mil vulnerabilidades; la empresa levantó 75 millones de dólares a raíz de ello. Un año después vimos esa misma capacidad volverse ofensiva a escala: la plataforma Cairn se usó para rociar más de cien empresas por unos cincuenta dólares cada una, y Wiz, trabajando con OpenAI, usó IA para encontrar PHP2Shell, un fallo de ejecución remota de código de hace una década en el motor que mueve casi toda la web. El mercado laboral se mueve en la misma dirección. El análisis de CyberSN de los tres primeros trimestres de 2026 muestra las ofertas de ingeniero de seguridad de IA un 268 % al alza y las de científico de datos de ciberseguridad un 203 % arriba, mientras el total de ofertas de seguridad cayó un 26 % interanual hasta un mínimo de cuatro años y los puestos de pentester bajaron casi un 46 %. Cuando la curva de demanda se dobla así de fuerte en dieciocho meses, está pasando algo estructural, no una moda pasajera.
El caso de que es el mismo trabajo, más rápido. Mira de cerca lo que las máquinas hicieron de verdad y el cuadro es más familiar. Los propios números de XBOW son reveladores: de unos 1.060 envíos, en torno a 130 se resolvieron, 208 eran duplicados y más de 200 quedaron marcados como «informativos» o «no aplicables». Las intrusiones de Cairn que funcionaron entraron por los clásicos de siempre, paneles expuestos y credenciales sin rotar. PHP2Shell es un fallo de seguridad de memoria de manual; la novedad fue quién lo encontró, no qué era. Nada de esto es un tipo nuevo de problema de seguridad. Son los tipos de siempre, producidos y atacados más rápido y más barato. Desde esa lectura, la IA es un multiplicador de fuerza puesto sobre un sector cuyos fundamentos, encontrar la debilidad, demostrarla, arreglarla, no se han movido. Cambian las herramientas; el trabajo es el trabajo.
Los dos casos son ciertos a la vez, y esa es la parte incómoda. El volumen y la velocidad son genuinamente nuevos. Las tareas de fondo no lo son. Te dejo a ti sopesar qué mitad pesa más en tu rincón del sector.
2. ¿Bajarán los precios porque el trabajo es más rápido?
Esta es la pregunta que me llega de compradores y de competidores en la misma semana, desde direcciones opuestas.
El caso del hundimiento de precios. La economía en bruto es difícil de rebatir. Un test de intrusión tradicional cuesta entre unos 5.000 y 50.000 dólares, con tarifas de consultor sénior de 1.000 a 3.000 dólares por día y la mayoría de trabajos sobre web o API entre 10.000 y 35.000. El testeo con IA y continuo se tarifica ahora como software y no por días de consultor: del orden de 4.000 a 8.000 dólares por aplicación con los reensayos incluidos, cuando antes cada reensayo se facturaba como un encargo nuevo cerca del precio original. Si una herramienta hace en una tarde lo que a un consultor le llevaba una semana, las horas que pagabas se evaporan, y en un mercado competitivo el precio sigue al coste. Los compradores se han dado cuenta, y a muchos proveedores les encanta citar la cifra más baja.
El caso de que el precio aguanta, o se parte. Aquí es donde muerde lo único que cambió. Cuando compras un test de seguridad no compras en realidad horas; compras garantía, la afirmación firmada de que alguien competente miró y está dispuesto a poner su nombre. La IA abarata el mirar y no hace nada por el coste de responder por ello. Así que creo que el mercado se parte en vez de simplemente caer. La capa de materia prima, el escaneo automático con informe de plantilla, corre hacia el suelo y ya está cerca; un presupuesto de 2.000 dólares hoy suele significar exactamente eso. La capa de garantía, un humano que delimita el riesgo real, valida lo que la máquina encontró y responde por lo que se le escapó, mantiene su precio o sube, porque ahora además tiene que absorber la avalancha de producción de la máquina y la responsabilidad de decir «este es real». El mismo encargo de treinta mil dólares compra cada vez menos tiempo bruto de testeo y más criterio, triaje y firma. Que tu factura baje depende por completo de cuál de esas dos cosas estabas pagando en realidad.
Mi lectura honesta para los compradores: la cifra de la factura puede bajar, pero si baja porque pasaste de garantía a automatización, no conseguiste un descuento, cambiaste lo que comprabas.
3. ¿Es real siquiera el precio?
Hay una pregunta escondida bajo la anterior, y creo que es la que más se ignora. Los precios de la IA sobre los que todos razonamos no son el coste real de la IA. Son un coste subvencionado, y la subvención tiene fecha de caducidad.
El caso de que el precio de hoy es más o menos el real. La inferencia sigue abaratándose. Los precios agregados por token han caído con fuerza, impulsados por mejoras reales de eficiencia en los modelos y los chips, y el uso crece lo bastante rápido como para que los proveedores puedan, de forma plausible, llegar a la rentabilidad por volumen. Desde esta óptica, lo barato de ahora no es un reclamo a pérdida, es algo parecido a la ley de Moore para los tokens, y continúa.
El caso de que te están subvencionando y la factura llega después. Los laboratorios de frontera están perdiendo sumas enormes para ganarte. Se prevé que OpenAI queme unos 14.000 millones de dólares en 2026, frente a los 8.000 a 9.000 del año anterior, y los márgenes de Anthropic pasaron de muy negativos a positivos, pero bajo presión constante por unos costes de inferencia más altos de lo esperado. Las capas de consumo baratas son las más subvencionadas de todas. Es la jugada de Uber y DoorDash: el dinero de los inversores financia precios artificialmente bajos hasta que el mercado se consolida y arranca el reloj de la salida a bolsa, y entonces los precios suben porque, como dijo la CEO de Writer, «estas empresas de LLM van a salir a bolsa y van a subir los precios porque no les queda otra».
¿Por qué aterriza esto justo en la seguridad? Porque estamos reconstruyendo la tarificación de nuestros servicios, el pentest automatizado a una fracción de la tarifa diaria, la monitorización permanente, el SOC con IA, sobre un coste de entrada que ahora mismo es ficticio. Tarifica un producto de testeo continuo en unos pocos miles al año dando por hecha una inferencia casi gratis, y luego mira cómo el modelo del que dependes sube su precio de API el trimestre siguiente a su salida a bolsa: tu margen nunca fue real. No sé cuándo para la música, y el precio por token puede seguir cayendo aunque el gasto total suba. Pero yo no construiría un negocio, ni firmaría un contrato largo, sobre la premisa de que los precios de IA de este año son el suelo. Puede que resulten ser el techo.
4. ¿Un sénior con IA, un júnior con IA, o solo la IA?
Esta es la que se vuelve personal en el sector, porque en el fondo es una pregunta sobre qué carrera sobrevive.
El caso de que la IA eleva al júnior y aplana la diferencia. El mejor estudio que conozco aquí es el trabajo del MIT sobre IA generativa y desarrolladores altamente cualificados, que agrupa tres experimentos de campo con casi 4.900 ingenieros. La gente con menos experiencia adoptó más las herramientas y ganó más: los desarrolladores júnior mejoraron su producción entre un 21 % y un 40 %, frente a un 7 % a 16 % de los sénior, y el personal de poca antigüedad en Microsoft ganó entre un 27 % y un 39 % frente al 8 % a 13 % de los veteranos. Con esta evidencia, la IA es un gran igualador. Le da a un júnior capaz un suelo de competencia que antes necesitaba años para construir, cierra buena parte de la diferencia visible en el trabajo rutinario y hace que la opción de «que lo haga la IA» sea viable de verdad para una buena tajada de tareas que antes exigían a alguien con cicatrices.
El caso de que el criterio no se transfiere, y la máquina no puede ser dueña del resultado. Mira entonces el ensayo aleatorizado de METR de mediados de 2025: los desarrolladores de código abierto con experiencia, trabajando en bases de código que conocían bien, fueron alrededor de un 19 % más lentos con IA, mientras creían ser más rápidos. La lección no es que la IA sea inútil para los expertos; es que sus ganancias se concentran en el trabajo que todavía no sabes hacer bien, y puede estorbar activamente en el trabajo difícil, familiar y de alto riesgo donde vive la experiencia. La seguridad es desproporcionadamente de ese segundo tipo. Decidir que un hallazgo es un riesgo real de negocio, que una cadena de exploit es viable en este entorno concreto, que un parche no romperá producción, que la salida segura de sí misma de la máquina está calladamente equivocada: nada de eso es volumen de trabajo, y nada de eso se transfiere a alguien que no lo ha visto fallar antes. La IA sola no puede hacerlo, porque no puede responder; un júnior con IA puede producir el artefacto pero no certificarlo de forma fiable; un sénior con IA produce y certifica, y por eso esa combinación, ni el júnior ni la máquina, es por la que yo apostaría para cualquier cosa que importe.
Debajo de esto hay un problema de segundo orden desagradable, y debería preocupar a los dos bandos. El informe de brecha de competencias de Barracuda de este otoño encontró que un 56 % de las organizaciones ya habían recortado puestos de seguridad en relación con la IA, repartidos a partes iguales entre perfiles de entrada y sénior. Si automatizas las tareas del júnior, también automatizas el aprendizaje que convierte a los júnior en sénior. La prima por criterio que acabo de defender la producen personas haciendo años del trabajo poco glamuroso que la IA se está comiendo ahora. Corta esa escalera y la ventaja del sénior con IA es real hoy y está estructuralmente amenazada dentro de una década. No tengo una respuesta limpia para eso, y desconfío de quien diga que la tiene.
5. La economía de los hallazgos: ¿quién paga por lo válido y lo falso por igual?
Esta es la pregunta en la que creo que el sector ha pensado menos, y es la que la IA vuelve más aguda. Cuando producir un hallazgo no cuesta casi nada, te salen muchos hallazgos. El volumen no es valor.
El caso de que más hallazgos es progreso. Más ojos, humanos y sintéticos, sobre más superficie de ataque, de forma continua, tiene que ganarle al viejo modelo de un test anual y silencio las otras cincuenta y una semanas. El triaje con IA ayuda de verdad: el trabajo de referencia de la CSA encontró que los analistas asistidos por IA cerraban las investigaciones escaladas entre un 45 % y un 61 % más rápido que los manuales. Detectar más, antes y cerrarlo más rápido. Sobre el papel, la fábrica de hallazgos es una victoria, y para organizaciones genuinamente poco testeadas a menudo lo es.
El caso de que el volumen es un impuesto, no un regalo. Ahora los números que me quitan el sueño. En un conjunto de datos de 2026 de 16,9 millones de alertas de SOC, el subconjunto relacionado con IA era un 94 % ruido de uso legítimo y un 0,02 % ataques confirmados. Microsoft y Omdia sitúan los falsos positivos en el 46 % de todas las alertas, con un 42 % que nunca se llega a investigar; la encuesta de SANS de 2025 encontró que el 73 % de las organizaciones consideran los falsos positivos su mayor problema de detección y respuesta. El mundo de las recompensas es el canario en la mina: curl cerró su programa a principios de 2026, y Daniel Stenberg dijo que el objetivo era «quitar el incentivo a que la gente envíe basura», y Google suspendió las nuevas solicitudes de su recompensa de código abierto este octubre ante una avalancha de informes inválidos generados por IA. Hasta la racha de XBOW en el ranking cargó con cientos de envíos duplicados e «informativos» junto a los fallos reales. Cada uno de esos hallazgos falsos o de bajo valor le cuesta a un humano el tiempo de leerlo, juzgarlo y descartarlo. Ese tiempo es el recurso más caro de la seguridad, y la IA lo está gastando más rápido que nunca.
Entonces, ¿cómo paga una empresa por esto? Tres modelos se lo disputan, y los incentivos importan enormemente. Paga por hallazgo, y acabas de pagar a la máquina por generar ruido; el interés del proveedor es el volumen, el tuyo es lo contrario. Paga por señal validada y triada, hallazgos que alguien ya confirmó y ordenó, y estás pagando exactamente por la capa de criterio que no se abarató, lo cual es honesto pero no barato. Paga por resultados, riesgo real reducido a lo largo del tiempo en vez de recuentos, y alineas bien los incentivos pero cargas con el problema difícil de medir algo que nadie mide bien. Mi propio sesgo, y aquello hacia lo que he construido en VULNEX, es que la validación se está convirtiendo en el producto. El escaneo es materia prima; saber cuáles doce de los mil hallazgos son reales, explotables aquí, y merecen acción esta semana es lo que vale la pena pagar. Es el mismo argumento que planteé en la auditoría de conectores MCP: la herramienta que produce la lista ya no es la parte difícil; el triaje lo es.
6. ¿Aceptará el cumplimiento la palabra de la máquina?
Aquí el coste de confiar deja de ser una metáfora y se convierte en un requisito por escrito.
El caso de que la IA entra directa en el trabajo de cumplimiento. Casi todo lo que consume un auditor es evidencia, y una máquina produce evidencia de maravilla: resultados de escaneo, hallazgos, puntuaciones de gravedad, registros de reensayo, más rápido y más completo que un humano cansado. Los marcos se están adaptando. ISO 27001 siempre fue basado en riesgo y no prescriptivo sobre quién empuña las herramientas, SOC 2 se puede satisfacer de varias formas, y están surgiendo normas nuevas como ISO 42001 precisamente para gobernar los sistemas de IA. En principio, nada impide que un test asistido por IA genere los artefactos que una auditoría necesita.
El caso de que la firma humana soporta carga, y por ley. Los marcos que más importan son explícitos en que una persona responde del resultado. PCI DSS 4.0 es tajante: «las herramientas automáticas pueden apoyar el test de intrusión, pero no sustituyen la necesidad de un testeo manual y cualificado», y, la frase que no dejo de citar, «saber manejar una herramienta no es lo mismo que ser un pentester cualificado». Exige un tester cualificado y una atestación documentada en los reensayos. SOC 2 es una atestación formal firmada por una firma con licencia, y en la práctica la mayoría de auditores de Tipo II siguen esperando evidencia de explotación manual y cuestionarán un informe hecho solo por un sistema autónomo. El patrón es idéntico en todos ellos, y un evaluador de CREST lo dijo mejor que yo: «la garantía sigue dependiendo de quién está dispuesto a responder del resultado». Las herramientas autónomas producen evidencia; los evaluadores humanos aportan garantía; y el cumplimiento se dedica a comprar garantía.
Es el lugar más claro donde aflora todo el argumento. El regulador ha escrito, de hecho, «el coste de confiar no baja» en la ley. Puedes automatizar la producción entera de una evaluación de seguridad y seguir necesitando a un humano cualificado, con nombre y responsable, que la firme, y ninguna cantidad de IA cambia eso hasta que cambie el propio régimen de responsabilidad. Para empresas como la mía, eso no es una amenaza, es el foso.
7. ¿A dónde van de verdad tus datos?
Toda eficiencia de las anteriores da por hecho que estás cómodo enviando tus datos al modelo de otro. Muchos equipos de seguridad se están dando cuenta de que no lo están.
El caso a favor de la frontera. Los mejores modelos son muchísimo más capaces que casi nada que podamos ejecutar en casa, y para encontrar un fallo sutil, razonar sobre una cadena de ataque o triar una avalancha de hallazgos, la capacidad es buena parte del juego. Los proveedores conocen el nerviosismo y compiten en él: a lo largo de 2026, tanto OpenAI como Anthropic lanzaron opciones de retención cero de datos para empresas, incluida la de guardar los datos en la propia nube del cliente, y rutas de hyperscaler como Amazon Bedrock te dejan usar muchos modelos sin que el proveedor vea tus datos, parte de por qué la adopción de Bedrock rondó el 80 % del Fortune 100. Para la mayoría de las organizaciones, un proveedor de frontera reputado bajo un acuerdo empresarial de verdad es un sitio perfectamente defendible para que vivan los datos.
El caso a favor de dejarlos en casa. En seguridad, los datos en cuestión son especialmente sensibles: tus vulnerabilidades, tu arquitectura, una credencial en un registro, las joyas de la corona de un cliente. Mandar todo eso a un modelo que no controlas se parece a entregarle la lista de la compra de un atacante a un tercero, y la confianza es frágil. Cuando Anthropic pasó a exigir una retención de 30 días en sus modelos más potentes a mediados de 2026, la reacción de las empresas fue, en palabras de un asesor, un rechazo «casi alérgico», y algunas firmas, según se informó, restringieron su uso de un día para otro. Ese nerviosismo está empujando dinero de verdad hacia la IA soberana y los modelos abiertos ejecutados en local, donde los datos nunca salen y cambias algo de capacidad por control. Como dijo un CISO, «estás cambiando control por responsabilidad». Es justo por lo que vuelvo una y otra vez a los modelos abiertos en este blog: son más débiles, dan más trabajo, y para muchísimos casos de uso de seguridad son la única opción que puedes defender de verdad ante un cliente.
Dónde te posicionas es en realidad una pregunta sobre qué temes más: perder un fallo porque tu modelo local no era lo bastante listo, o filtrar el fallo a un modelo que no es tuyo. No creo que haya una única respuesta correcta, pero observo que cuanto más sensible es el cliente, más gana ese segundo miedo, y más reconstruye el sector en silencio sobre modelos que puede sostener en sus propias manos.
Dónde me posiciono
Me pidieron exponer los casos y dejarte decidir, y lo he intentado. Pero probablemente notas mi pulgar en la balanza, así que aquí va sin rodeos, como opinión y no como profecía.
La IA ha bajado de forma permanente el coste de producir trabajo de seguridad y ha dejado el coste de confiar en él casi intacto, y casi todo lo raro del mercado actual viene de esa única brecha. Los precios caerán para la materia prima y aguantarán para la garantía, así que que la factura baje no es automáticamente un ahorro. El sénior con IA le gana al júnior con IA y le gana a la máquina sola para cualquier cosa con consecuencias reales, no porque los sénior sean más rápidos sino porque pueden responder, y el sector está desmantelando en silencio la escalera que los produce. Y la fábrica de hallazgos solo es un regalo si alguien cobra, y tiene el tiempo, por tirar la mayor parte de su producción; el triaje es ahora el trabajo, no el escaneo.
Las tres preguntas que añadí solo afilan el mismo punto. Los precios de IA de hoy los paga en parte un proveedor quemando dinero de inversores, así que yo los trataría como un techo y no como un suelo. El cumplimiento ha escrito el coste de confiar directamente en la ley, porque un auditor sigue necesitando a un humano con nombre que firme. Y cuanto más sensible es el trabajo, más quieren los datos quedarse en casa, y por eso el sector sigue derivando hacia modelos que puede sostener de verdad. Produce con la máquina, confía con una persona, y posee lo que puedas.
Nada de esto está cerrado, y prefiero que me corrijan a estar seguro. Si crees que he pesado mal alguno de estos puntos, dímelo. De lo único que estoy seguro es de que «la IA abaratará la seguridad» y «la IA mejorará la seguridad» son afirmaciones distintas, no viajan juntas por defecto, y saber cuál de las dos te está vendiendo un proveedor es ya en sí mismo una habilidad de seguridad. Y si trabajas en otro campo experto viendo llegar la IA, sospecho que estás a punto de tener esta misma discusión contigo mismo; los de seguridad solo vamos un poco más adelantados.
Mantente afilado, y confía en la salida un poco menos de lo que ella te pide.
- X (Twitter): @SimonRoses
Lecturas recomendadas:
- MIT: The Effects of Generative AI on High-Skilled Work (experimentos con Copilot)
- METR: Measuring the impact of AI on experienced open-source developer productivity
- CyberSN / ClearanceJobs: Cybersecurity hiring hits a four-year low as AI skills gain ground
- Help Net Security: AI is taking cybersecurity jobs at junior and experienced levels alike (Barracuda)
- Cloud Security Alliance: AI Adoption Is Flooding the SOC With Noise
- BleepingComputer: curl ending bug bounty program after flood of AI slop reports
- XBOW: How we reached #1 on HackerOne’s US leaderboard
- Simbian: Penetration Testing Cost in 2026
- Axios: AI companies cover their costs now, but not forever
- Fortune: As OpenAI and Anthropic battle over data privacy, companies look to open models and ‘sovereign AI’
- Resultados de Amazon del Q1 de 2026: Andy Jassy, «casi el 80 % de las empresas del Fortune 100 usan Bedrock»
- Astra Security: Will an autonomous pentest satisfy SOC 2, PCI and ISO auditors?
- Seguridad MCP en la práctica: cómo auditar los conectores en los que confían tus agentes
¿Preguntas o comentarios? Escríbeme por:
- Web: vulnex.com
- Estrategia de seguridad en IA: vulnex.ai
- Twitter/X: @SimonRoses
- LinkedIn: linkedin.com/in/simonroses
- GitHub: github.com/vulnex
Contacto: info@vulnex.com
