La IA es una de las tecnologías más vertiginosas de la historia de los negocios modernos: tiene la capacidad de revolucionar las industrias, optimizar operaciones e impulsar la innovación, pero también está introduciendo brechas de seguridad, riesgos y vulnerabilidades. Según McKinsey, el 78 % de las organizaciones aplica la IA por lo menos en una función empresarial, frente al 55 % de hace dos años. En consecuencia, el 73 % de ellas está invirtiendo en las herramientas de seguridad específicas para la IA, ya sea con presupuestos nuevos o existentes, según el Informe sobre las amenazas de datos de Thales de 2025.
Thales presenta las primeras capacidades imprescindibles de su AI Security Fabric para proteger el núcleo y el perímetro de los ecosistemas empresariales de IA.
Thales AI Security Fabric: Protección para las aplicaciones, datos e identidad con LLM
Con Thales AI Security Fabric, las organizaciones podrán:
- Promover el crecimiento impulsado por la IA de forma segura: Maximizar el valor empresarial de la IA, al facilitar la innovación y la expansión, y al mismo tiempo, mitigar los riesgos como la inyección rápida, la filtración de datos, la manipulación de los modelos y la exposición de los datos sensibles o regulados.
- Proteger de manera integral los datos, las aplicaciones y la identidad: Darle a los agentes de IA y a la GenAI un acceso controlado a los conjuntos de datos, implementar la seguridad en tiempo de ejecución en entornos en la nube y locales y proteger todas las interacciones de IA con un esfuerzo de integración mínimo.
- Confiar en una protección de nivel empresarial que cumple las normas: Aprovechar las capacidades de seguridad de eficacia demostrada, que abordan directamente los 10 riesgos más críticos de OWASP y prevenir incidentes costosos o que dañan la reputación antes de que perjudiquen a la organización.
Las primeras capacidades disponibles hasta ahora son:
- AI Application Security: Una solución de seguridad diseñada para proteger las aplicaciones propias que usan los modelos de lenguaje (LLM). Ofrece protección en tiempo real contra las amenazas específicas de la IA, como prompt injection, jailbreaking, filtración del system prompt, ataques de denegación de servicio al modelo, filtración de información sensible y problemas de moderación de contenidos. Incluye opciones de implementación flexibles y sin fricción para adaptarse a cualquier arquitectura, ya sea nativa de la nube, local o en entornos híbridos.
- AI Retrieval-Augmented Generation (RAG) Security: Ofrece la capacidad de identificar y proteger datos empresariales sensibles, tanto estructurados como no estructurados, antes de que sean incorporados en aplicaciones basadas en RAG, mediante soluciones integrales de protección de datos, incluido cifrado y administración de claves. Además ayuda a proteger la comunicación entre el LLM y las fuentes de datos externas.
«La IA está transformando las operaciones empresariales y por eso, las organizaciones necesitan soluciones de seguridad que se adapten a los riesgos específicos que plantean las aplicaciones de IA agencial y genérica», subrayó Sebastien Cano, vicepresidente ejecutivo de la división Cyber Security Products Business de Thales. «Thales AI Security Fabric les ofrece a las empresas las herramientas especializadas que necesitan para proteger las aplicaciones de IA y minimizar la complejidad operativa. Con el aval de décadas de experiencia en seguridad, Thales les permite a las empresas ampliar con confianza su adopción de la IA, protegiendo al mismo tiempo los datos confidenciales, las aplicaciones y las interacciones de los usuarios».
Thales tiene previsto ampliar su AI Security Fabric en 2026, para incorporar nuevas capacidades de seguridad en tiempo de ejecución, entre ellas, la prevención de fugas de datos, una puerta de enlace de seguridad Model Context Protocol (MCP) y el control integral del acceso en tiempo de ejecución. Estas características consolidarán la protección de los flujos de datos, protegerán el acceso a los datos de la IA agencial y garantizarán que las interacciones entre los usuarios, modelos y fuentes de datos sean homogéneas y cumplan las normas.
