La brecha temporal que empieza a cambiar la defensa industrial.
Durante años, cuando hablábamos de inteligencia artificial aplicada a ciberseguridad industrial, la conversación tenía bastante de anticipación. Había escenarios posibles, demostraciones de laboratorio y mucho marketing. Esta semana el tono cambió. Dragos publicó observaciones de campo sobre cómo la IA está modificando el panorama OT; el World Economic Forum advirtió que la adopción de IA en infraestructura crítica está avanzando más rápido que la visibilidad defensiva; y Anthropic describió operaciones donde sus modelos dejaron de ser simples asistentes y pasaron a participar en la orquestación de actividades ofensivas.
El problema no es que la IA “hackee sola”
Me parece importante empezar por acá porque la exageración no ayuda. No estamos frente a una inteligencia artificial que, por iniciativa propia, decide apagar una planta. Lo que sí estamos viendo es algo más inmediato: personas capaces de delegar a modelos y agentes partes crecientes del trabajo que antes consumía horas de análisis, prueba, escritura de scripts y correlación.
El informe de Anthropic publicado en septiembre de 2026 describe operaciones en las que actores maliciosos intentaron usar Claude para reconocimiento, explotación y otras tareas ofensivas. La empresa caracteriza la evolución como un paso desde la asistencia hacia la orquestación. El humano continúa definiendo objetivos, pero una parte mayor del camino entre la intención y la acción puede ser recorrida por software.
Esta semana OT entró de lleno en la discusión
El 10 de septiembre, Dragos publicó una evaluación que considero especialmente relevante porque parte de una posición poco habitual en una industria saturada de anuncios: durante años la compañía evitó presentar la IA como una revolución OT porque no veía casos suficientemente reales. Según su nueva evaluación, eso cambió. En los últimos nueve meses trabajó con modelos de frontera, observó a sus propios especialistas ofensivos utilizarlos e investigó incidentes donde adversarios ya empleaban IA en etapas tempranas de sus operaciones.
Un día después, Robert M. Lee escribió para el World Economic Forum que organizaciones industriales están explorando IA agéntica en granjas de baterías, instalaciones solares y eólicas, minería y otras infraestructuras críticas. Al mismo tiempo, grupos adversarios ya están mapeando loops de control, identificando estaciones de ingeniería y extrayendo configuraciones y datos de alarmas para comprender cómo funcionan los procesos físicos.
La brecha temporal atacante–defensor
Desde un SOC OT, la consecuencia que más me interesa no es filosófica. Es temporal. Un atacante puede automatizar reconocimiento, análisis y adaptación sin preocuparse por continuidad de producción. Nosotros no tenemos ese privilegio. Antes de aislar una estación de ingeniería, bloquear una comunicación o deshabilitar una identidad, necesitamos entender qué función cumple, qué depende de ella y qué riesgo operacional introduce la propia contención.
Propongo llamar a esta diferencia brecha temporal atacante–defensor. No pretende ser una métrica estandarizada; es una forma práctica de mirar el problema. La pregunta no sería solamente cuánto tardamos en detectar una intrusión, sino cuántas acciones puede completar un adversario asistido por IA durante el tiempo que necesitamos para tomar una decisión de contención que sea técnicamente correcta y operacionalmente segura.
Los datos de OT ya muestran un problema previo: visibilidad
El punto de partida tampoco es ideal. El 2026 OT/ICS Cybersecurity Report de Dragos señala que sólo alrededor del 30 % de las redes OT evaluadas tienen visibilidad, que el 56 % no puede observar por debajo del límite IT/OT y que el 88 % presenta dificultades de detección y respuesta. El mismo reporte indica 26 grupos de amenazas OT activamente seguidos y más de 3.300 organizaciones industriales afectadas por ransomware. Antes de discutir autonomía defensiva, todavía tenemos entornos donde no podemos reconstruir con suficiente precisión qué ocurrió.
La paradoja de automatizar la defensa
Frente a un atacante más rápido, la respuesta intuitiva sería automatizar también al defensor. En OT esa conclusión necesita un límite. Claroty lo expresó esta semana de una manera razonable: el valor inmediato de la IA está en funcionar como un analista que entrega contexto a velocidad máquina, mientras las acciones con consecuencias sobre procesos físicos permanecen bajo responsabilidad humana.
Estoy de acuerdo, aunque agregaría una distinción. No necesitamos la misma autonomía en todas las etapas. Podemos permitir mucha más autonomía para observar, correlacionar e investigar que para modificar el estado de un activo industrial. A esto lo llamaría autonomía asimétrica.
Qué automatizaría hoy en un SOC OT
Usaría IA agresivamente para enriquecer alertas, relacionar activos con vulnerabilidades y criticidad, resumir telemetría, comparar comportamientos históricos, buscar inconsistencias entre fuentes y construir hipótesis de investigación. También para responder una pregunta que suele consumir tiempo: “si hago esto, ¿qué puede romperse?”. Allí la IA puede reunir contexto de inventario, arquitectura, comunicaciones y documentación mucho más rápido que una búsqueda manual.
Sería mucho más conservador con cualquier acción que pueda modificar comunicaciones OT, credenciales utilizadas por sistemas de control, parámetros de proceso o disponibilidad de estaciones críticas. En esos casos, la velocidad no es el único objetivo. La decisión tiene que incorporar producción, safety, posibilidad de rollback y conocimiento del proceso.
El nuevo KPI no puede ser solamente MTTD
Durante años medimos SOC con MTTD, MTTA y MTTR. Siguen siendo útiles, pero un entorno con adversarios asistidos por agentes obliga a mirar otra cosa: la velocidad relativa. Un MTTD de diez minutos puede parecer excelente hasta que el adversario puede realizar reconocimiento, generar herramientas, probar accesos y desplazarse lateralmente dentro de ese mismo intervalo.
En OT añadiría al menos tres preguntas operativas: cuánto tarda el SOC en obtener contexto suficiente para actuar; cuántos pasos puede completar el adversario durante ese tiempo; y qué porcentaje de la investigación podemos acelerar sin delegar autoridad sobre el proceso físico.
No hace falta esperar al primer gran incidente
El error sería esperar una noticia espectacular sobre un agente tomando control de un PLC para considerar real el problema. Dragos ya advierte que adversarios están aprendiendo procesos físicos y que la IA está entrando tanto en el lado ofensivo como en el defensivo. Anthropic documenta una evolución hacia operaciones más orquestadas. Y las organizaciones industriales ya están incorporando IA en sistemas que interactúan cada vez más cerca del control.
Eso no demuestra que mañana una planta vaya a ser operada por un atacante autónomo. Sí demuestra que la relación entre tiempo, conocimiento y capacidad está cambiando.
Conclusión
Creo que el SOC OT que viene no será completamente autónomo. Tampoco puede seguir siendo enteramente manual. Tendrá que ser asimétricamente autónomo: velocidad máquina para observar, correlacionar, investigar y recomendar; autoridad humana para las decisiones capaces de alterar el estado físico del proceso.
El atacante puede optimizar por velocidad. El defensor industrial tiene que optimizar por velocidad y seguridad al mismo tiempo. Esa diferencia parece pequeña escrita en una frase. En una planta, puede ser toda la diferencia.
Fuentes y datos consultados
Dragos, 10/09/2026: What AI Actually Changes for OT Security: Observations from the Field. Observaciones de campo sobre uso ofensivo y defensivo de modelos de frontera en OT.
World Economic Forum / Robert M. Lee, 11/09/2026: Critical infrastructure is racing to adopt AI. Why visibility must come first. Datos sobre adopción de IA, control loops y visibilidad OT.
Anthropic, septiembre de 2026: Detecting and countering misuse of AI: September 2026. Casos de abuso de Claude y evolución desde asistencia hacia orquestación.
Dragos, 2026 OT/ICS Cybersecurity Report: Datos citados: ~30 % de redes OT con visibilidad; 56 % sin visibilidad bajo el límite IT/OT; 88 % con dificultades de detección y respuesta; 26 grupos OT seguidos; más de 3.300 organizaciones industriales afectadas por ransomware.
Claroty, 10/09/2026: Understanding AI-Powered Cybersecurity in OT Environments. Uso de IA como analista a velocidad máquina, human-in-the-loop y límites de autonomía en OT.
Nota metodológica: las expresiones “brecha temporal atacante–defensor” y “autonomía asimétrica” se utilizan en este artículo como conceptos analíticos propuestos por el autor; no se presentan como estándares ni métricas oficiales.