Gobernanza federada para identidades de IA: Cerrando la brecha de visibilidad del 92 %
La identidad sigue siendo la única superficie de control que la seguridad realmente posee, pero la IA ha abierto silenciosamente un agujero del 92 % de ancho que la atraviesa por completo.
La IA del punto ciego del 92% se abrió silenciosamente en su programa de identidad.
Durante años, la identidad ha sido lo más parecido a una superficie de control fiable. Se mantuvo intacta a medida que los usuarios y las identidades migraban de entornos locales a SaaS y a la nube, incluso cuando los dispositivos y las redes cambiaban subyacentemente. Ahora, la IA ha creado una brecha lo suficientemente grande como para socavar todo ese modelo de control.
Estudios recientes del sector y evaluaciones de clientes demuestran de forma consistente que la mayoría de las organizaciones carecen de visibilidad centralizada sobre la IA y las identidades no humanas, y muchas no confían en su capacidad para detectar usos indebidos. No se trata de modelos de IA especulativos ni de una hipotética inteligencia artificial general; se trata de identidades muy reales y presentes que operan dentro de sus plataformas ERP, financieras, de recursos humanos, CRM y de datos, para las cuales muchas organizaciones actualmente cuentan con controles de gobernanza limitados.
El enfoque no se centra en modelos de IA especulativos ni en una hipotética inteligencia artificial general. Más bien, se trata de las identidades tangibles y existentes que operan dentro de sus plataformas centrales (ERP, finanzas, recursos humanos, CRM y datos), para las cuales muchas organizaciones actualmente carecen de controles de gobernanza sólidos.
Imagínese un agente con tecnología LLM integrado en su sistema con una única clave API. Puede acceder a los datos de los clientes desde el CRM, actualizar registros en el ERP e interactuar con herramientas de colaboración, todo ello bajo una cuenta de servicio genérica sin un propietario claro, sin historial de certificaciones y sin revisión de segregación de funciones. O bien, una cuenta de servicio "temporal" creada para una integración de IA que perdura durante años más allá del proyecto, manteniendo discretamente un amplio acceso a datos financieros o de recursos humanos sin un ciclo de vida vinculado a los flujos de trabajo de RR. HH. o TI.
En ambos casos, el problema no radica en el "riesgo de la IA" en abstracto. El problema es lamentablemente común: falta de visibilidad, falta de propiedad y falta de control basado en políticas sobre identidades no humanas (agentes de IA, cuentas de servicio, claves API, identidades de máquinas) que ahora superan en número a los humanos en muchos entornos.
La identidad ya no se limita solo a lo humano, pero la mayoría de las plataformas IAM e IGA siguen tratando únicamente a los empleados y contratistas como de primera clase.
Por qué las herramientas que ya tienes no pueden ver tu IA
Resulta tentador suponer que se trata simplemente de otro problema de configuración de IAM. Basta con ajustar algunos parámetros, añadir algunas integraciones y los agentes de IA se adaptarán sin problemas. Lamentablemente, las cosas no funcionan así.
Los agentes de IA no se autentican como las identidades humanas. Suelen actuar mediante credenciales compartidas, tokens de larga duración o secretos integrados, en lugar de cuentas individuales con nombre. En los registros y paneles de SSO, aparecen como identidades de automatización sin rostro —«automation@integration-svc»— en lugar de reflejar un usuario responsable que aprobó el acceso a sistemas críticos como SAP. Mientras tanto, las identidades no humanas se han multiplicado. En muchos entornos, las identidades no humanas ya superan en número a las humanas por un orden de magnitud o más. Estas identidades normalmente no aparecen en los sistemas de RR. HH., nunca completan la formación y rara vez aparecen en las revisiones de acceso tradicionales; sin embargo, suelen tener el acceso más amplio y duradero a sus sistemas y datos más valiosos.
El ciclo de vida también está roto. Las cuentas humanas siguen procesos de incorporación, traslado y baja: cambio de puesto en RR. HH., cambio de acceso en IAM y desvinculación al finalizar la relación laboral. Las identidades de IA y máquinas se crean en proyectos, se activan dentro de SaaS, los desarrolladores las crean ad hoc y casi nunca se retiran de forma oportuna y controlada.
Y luego está la fragmentación. Los agentes de IA no respetan los límites de las plataformas. Un solo agente puede leer datos de un sistema ERP, enriquecerlos con el contexto del CRM, consultar un almacén de datos y volver a escribirlos en finanzas o gestión de casos; todo ello orquestado mediante API y capas de integración que sus herramientas de IAM solo ven de forma fragmentada. Ningún producto de IAM le proporciona una visión consolidada de «este agente, en este caso de uso, puede realizar estas acciones en estos conjuntos de datos en estos sistemas».
Por lo tanto, cuando un miembro del consejo de administración o un regulador pregunta: "¿Quién es el propietario de nuestros agentes de IA que acceden a los datos de SAP, Salesforce y finanzas, y qué política los rige?", la respuesta honesta en la mayoría de las organizaciones sigue siendo: realmente no lo sabemos.
De la identidad federada a la gobernanza federada para identidades de IA
La federación es un concepto familiar en el ámbito de la identidad. La identidad federada permite a los usuarios autenticarse en diferentes dominios mediante un proveedor de identidad de confianza, en lugar de requerir credenciales independientes para cada sistema. Su principal respuesta radica en la pregunta: "¿Quién tiene acceso?".
"
La era de la IA plantea una cuestión diferente: no solo quién tiene acceso, sino si deberían tenerlo, qué se les permite hacer mientras están allí y cómo se demuestra el control posteriormente.
Aquí es donde la gobernanza federada se vuelve esencial. Actúa como una capa de control que se sitúa por encima de la configuración de IAM, PAM y aplicaciones, unificando todo lo que puede actuar en su entorno (personas, máquinas, agentes) en una única imagen basada en políticas.
En términos prácticos, la gobernanza federada significa:
- Consumir datos de identidad y acceso procedentes de múltiples sistemas IAM, ERP, SaaS, de datos y de IA.
- Normalizar las identidades humanas y no humanas (agentes de IA, bots, cuentas de servicio, claves API, identidades de máquinas) en un modelo común con propietarios, propósito y atributos de riesgo.
- Aplicar políticas coherentes (separación de funciones, privilegios mínimos, acceso crítico, reglas específicas de IA) y redirigir la corrección hacia esos dominios cuando algo se sale de los límites.
- Añadir una idea sobre cómo cubrir las aplicaciones que se encuentran fuera de ERP e IGA: el caso de Zoetis (SAP GRC para SAP y SailPoint).
La gobernanza federada es un plano de control que se sitúa por encima de los sistemas individuales de IAM, IGA, GRC y PAM, unificando las políticas, la visibilidad y las pruebas para cada identidad, humana o no humana, en todas las plataformas de ERP, SaaS, datos e IA.
Si la gestión federada de identidades permite el acceso a agentes de IA, la gobernanza federada decide si deben estar presentes, qué pueden hacer y cómo se demuestra esto a auditores, juntas directivas y reguladores.
Cómo una capa de gobernanza federada cambia realmente la forma en que opera
Es fácil hablar de "planos de control" en abstracto, pero su valor se hace evidente cuando se observan los cambios que se producen en las operaciones diarias una vez que ese plano de control está en funcionamiento.
El primer cambio es sencillo pero significativo: se obtiene un inventario completo de todo lo que puede operar en su entorno. Una capa de gobernanza federada agrega identidades de directorios y herramientas IAM, de SAP y Oracle, de Salesforce y ServiceNow, de plataformas de IA y marcos de orquestación. Identidades humanas, copilotos de IA, agentes conectados a MCP, cuentas de servicio, claves API, identidades de máquinas: todo se centraliza en un único catálogo.
Pero el catálogo es solo el primer paso. Cada entrada se enriquece para que se vea y se comporte como una identidad de primera clase:
- Hay un propietario responsable.
- Un propósito comercial y un caso de uso claramente definidos.
- Contexto del sistema: qué aplicaciones, entornos y servidores MCP interactúa.
- Atributos de riesgo: conflictos de segregación de funciones (SoD), transacciones críticas y clasificaciones de datos involucradas.
Un agente de IA que tramita facturas en el departamento financiero ya no parece un vago "usuario de integración"; parece una identidad reconocible y verificable, al igual que el rol de un analista financiero.
Una vez establecida esa base, la política toma el relevo. En lugar de perseguir excepciones en hojas de cálculo, se definen reglas que se aplican a todos los sistemas y tipos de identidad. Por ejemplo:
- Ninguna identidad de IA tendrá acceso de escritura a las cuentas del libro mayor sin un propietario explícito, una revisión de segregación de funciones y una justificación con plazos definidos.
- Ningún agente con acceso simultáneo a las cuentas bancarias de los proveedores y a los flujos de trabajo de creación de proveedores en producción.
- No se requiere una cuenta de servicio "sin interfaz" con acceso tanto a los datos maestros de RR. HH. como a los procesos de pago fuera de ciclo.
La capa de gobernanza utiliza esas políticas, además de los atributos, para clasificar automáticamente las identidades y asignarles una puntuación de riesgo: los tokens de larga duración, las rutas de acceso entre sistemas, las combinaciones tóxicas o las identidades sin propietario se consideran de alto riesgo por defecto.
Las revisiones también empiezan a tener un aspecto diferente. En lugar de campañas separadas para "usuarios" aquí y "cuentas de servicio allá" (con la IA sistemáticamente fuera del alcance), los dueños de negocios ven a personas e identidades no humanas en un mismo panel. Cada agente de IA viene con un contexto: dónde se ejecuta, qué conjuntos de datos interactúa, qué acciones puede realizar y qué excepciones de segregación de funciones o políticas de datos se aplican. Las certificaciones dejan de ser una rutina exclusivamente humana y se convierten en una visión completa de quién y qué opera en sus sistemas críticos.
Lo más importante es que ahora las políticas tienen consecuencias reales. Cuando una identidad no supera la certificación o infringe una norma, la capa de gobernanza federada no solo registra el problema, sino que también coordina la solución: revocar un rol en SAP, rotar una clave API, limitar el alcance en una aplicación SaaS o desactivar un agente obsoleto. El descubrimiento continuo garantiza que los nuevos agentes de IA, integraciones y cuentas de servicio se incluyan en la política en cuanto aparecen, y no en la próxima auditoría anual.
En la práctica, esto significa que la historia cambia de "encontramos un agente de IA deshonesto en la auditoría" a "el sistema detectó un nuevo agente que accedía a datos financieros sin propietario; lo derivamos al propietario de los datos y, como no lo aprobó, su acceso se revocó automáticamente en SAP y en la herramienta IAM subyacente".
Transformar la IA de una caja negra en una métrica lista para su presentación.
Una vez que las identidades de IA se integren en el mismo marco de gobernanza que las identidades humanas, las conversaciones con las partes interesadas evolucionarán rápidamente.
A nivel de la junta directiva, puedes dejar de hablar de IA únicamente en términos de oportunidades y recuento de experimentos. En su lugar, puedes mostrar una imagen concisa y basada en métricas:
- Recuento total de identidades de IA y no humanas.
- Porcentaje con propietarios identificados y un propósito comercial definido.
- Número de identidades de IA de alto riesgo con violaciones de segregación de funciones o acceso crítico.
- Tiempo de subsanación para las infracciones de políticas relacionadas con la IA.
La IA deja de ser un tema de innovación misterioso y se convierte en una métrica de gobernanza de la identidad que se puede defender, analizar y mejorar.
En materia de auditoría y cumplimiento normativo, la época en la que se decía que la IA estaba fuera de alcance por el momento ha quedado atrás. Cuando los auditores pregunten cómo interactúa la IA con SAP, Oracle u otros sistemas críticos, se pueden proporcionar listas certificadas de agentes de IA y cuentas de servicio que incluyan permisos, propietarios, fechas de última revisión e historial de correcciones. El acceso a la IA ya no se gestiona como una excepción aislada; ahora se rige por los mismos marcos de segregación de funciones (SoD) y normas generales de TI (ITGC) que ya se utilizan para las funciones humanas de alto riesgo.
Desde el punto de vista operativo, se obtiene la capacidad de aprobar más casos de uso de IA sin correr riesgos innecesarios. Existe un patrón repetible: catalogar la identidad, clasificar el riesgo, vincularlo a una política, certificarlo y monitorizarlo. En lugar de «no estamos seguros de quién es el responsable del riesgo», el mensaje se convierte en «contamos con un camino definido para la IA en ERP y SaaS».
Desde la perspectiva de la plataforma, esto es lo que significa convertir su programa de identidad en el plano de control de IA para ERP, finanzas y SaaS, sin tener que reemplazar la pila de IAM en la que ya ha invertido.
Las objeciones que oirás y cómo responderlas.
En casi todas las conversaciones sobre hojas de ruta y presupuestos relacionadas con este tema, surgen dos objeciones.
La primera pregunta: "¿No podríamos simplemente ampliar nuestra herramienta IAM?". Es cierto que muchos productos IAM pueden autenticar agentes de IA, gestionar secretos y aplicar la autenticación multifactor (MFA) para cuentas de servicio. Sin embargo, no están diseñados para modelar agentes con propiedad, contexto empresarial, patrones de segregación de funciones (SoD), clasificaciones de datos y flujos de trabajo del ciclo de vida en sistemas ERP y SaaS. Tampoco suelen incluir un motor de políticas federado que pueda aplicar reglas entre sistemas y retroalimentar la corrección de errores en bucle cerrado a las aplicaciones. Ampliar IAM es necesario, pero sin una capa de gobernanza superior, IAM simplemente aplica las decisiones fragmentadas e inconsistentes que existen subyacentes.
La segunda objeción: "¿Acaso esto no añade más complejidad?". La incómoda verdad es que la complejidad ya existe, solo que de forma oculta. Las cuentas de servicio de larga duración, las herramientas de IA en la sombra y los tokens integrados repartidos por decenas de sistemas ya están aumentando el alcance de tu problema; simplemente no los ves concentrados en un solo lugar.
Una capa de gobernanza federada no añade complejidad, sino que la organiza y la hace visible. Centraliza las políticas y la evidencia, al tiempo que permite que los distintos equipos y plataformas sigan utilizando las herramientas que mejor se adapten a sus necesidades. Se obtiene una respuesta única y coherente a preguntas como "¿quién o qué hizo qué, con qué datos, dónde y bajo qué política?", incluso cuando los proveedores de IA, los servidores MCP y las integraciones SaaS cambian con el tiempo.
Una prueba sencilla: ¿realmente dispone de una capa de gobernanza federada?
No necesitas un proyecto de varios meses para comprobar si esta brecha existe en tu entorno. Puedes empezar con algunas preguntas incómodas.
Haz un inventario de los sistemas más importantes que la IA y las identidades no humanas ya utilizan: ERP, finanzas, recursos humanos, CRM, almacenes de datos y plataformas de colaboración. Luego, pregúntate:
- ¿Podemos elaborar una lista única y actualizada de esas identidades?
- ¿Conocemos a sus propietarios, su propósito comercial y sus derechos?
- ¿Están cubiertos por las mismas políticas, normas de segregación de funciones y certificaciones que nuestros puestos humanos de alto riesgo?
- ¿Podríamos explicar y demostrar todo eso a un organismo regulador mañana?
Si la respuesta no es un sí rotundo, no solo tienes un problema de IA, sino un problema de gobernanza federada.
A partir de ahí, el siguiente paso lógico es formalizar una breve evaluación de preparación, un taller o una lista de verificación centrada en la "visibilidad de la identidad de la IA y la madurez de la gobernanza federada". Úsela para mapear su inventario actual de identidades de IA y no humanas, destacar los puntos ciegos en torno a la propiedad y las políticas, y priorizar las integraciones en un plano de control de gobernanza federada que abarque tanto las identidades humanas como las no humanas en los sistemas ERP, financieros y SaaS.
La IA no va a esperar a que tu sistema de control se ponga al día. Pero con una gobernanza federada, al menos tú decides las reglas: cada persona, máquina y agente opera dentro de los límites de riesgo que definas, no fuera de ellos.
Si ya detecta estas deficiencias en su entorno, hagámoslas visibles y solucionables juntos: reserve una demostración o una sesión de trabajo con nuestro equipo y vea la gobernanza federada para identidades de IA en acción . A partir de ahí, podemos mapear sus identidades de IA y no humanas, cuantificar el riesgo y diseñar un plano de control que se adapte al funcionamiento real de su negocio.
Vea cómo se aplica la gobernanza al acceso que tiene hoy.
Una sesión de trabajo con un especialista en gobernanza, no una presentación de diapositivas.
Reserva tu demostración personalizada.