¿Qué es un SOC agéntico? Agentes de IA en operaciones de seguridad

¿Qué es un SOC agéntico?

En noviembre de 2025, la empresa desarrolladora de IA Anthropic reveló lo que calificó como la primera campaña de ciberespionaje orquestada por IA de la que se tiene constancia. Anthropic concluyó con un alto grado de confianza que un grupo patrocinado por el Estado chino había manipulado su herramienta Claude Code para ejecutar entre el 80 y el 90% de la operación contra unos 30 objetivos. En su momento de mayor actividad, la IA realizó miles de solicitudes, a menudo varias por segundo, a un ritmo que, según Anthropic, los hackers humanos no podrían igualar. Anthropic recomendó a los equipos de seguridad experimentar con la IA para la defensa en ámbitos como la automatización de los centros de operaciones de seguridad (SOC), la detección de amenazas y la respuesta a incidentes.

Ese consejo apunta directamente al SOC agéntico. Un SOC agéntico es un centro de operaciones de seguridad en el que los agentes de IA planifican y ejecutan tareas sobre alertas e incidentes en varios pasos dentro de límites definidos, mientras los analistas supervisan las decisiones y resuelven los casos que requieren criterio. Los agentes hacen el trabajo de conexión que hoy se realiza manualmente: recuperan el historial de los equipos, correlacionan registros de identidad con telemetría de endpoints, ponen a prueba hipótesis y reúnen las pruebas para llegar a una conclusión antes de que una persona abra el caso.

El término «agéntico» tiene aquí un significado preciso. En el blog de ISACA, Richard Beck, de QA, utiliza como ejemplo la plataforma de código abierto OpenClaw. Sus agentes consultan modelos de IA, dividen tareas complejas, delegan partes en subagentes, se conectan a herramientas internas y externas y pueden trabajar sin supervisión durante la noche. Dos tecnologías que usted ya utiliza delimitan lo que los agentes aportan al modelo operativo del SOC:

• Los copilotos de IA generativa esperan sus instrucciones y le devuelven la autoridad para decidir: Un agente inicia y completa tareas por sí mismo dentro de límites definidos.
• Los procedimientos de orquestación, automatización y respuesta de seguridad (SOAR) ejecutan pasos predefinidos por usted: Los agentes analizan alertas no previstas en esos procedimientos, se adaptan al contexto y escalan los casos cuando encuentran incertidumbre.

Los copilotos aceleran el trabajo del analista y los procedimientos aceleran la respuesta. Los agentes ocupan el espacio intermedio de la investigación: planifican sus propios pasos, se adaptan al contexto y producen conclusiones que una persona puede auditar.

Gartner prevé que el 40% de las aplicaciones empresariales incluirán agentes de IA para tareas específicas a finales de 2026, frente a menos del 5% en 2025. Las herramientas de seguridad siguen la misma tendencia, por lo que los agentes llegarán a su SOC, los haya planificado o no. Esta guía explica cómo funciona un SOC agéntico, dónde aporta valor, dónde falla y qué gobernanza mantiene a los agentes sujetos a control.

La relación entre el SOC agéntico y la ciberseguridad

En el SANS Cloud Security Exchange Summit 2026, Wesley Kuzma, de Microsoft, y Chris Cochran, de SANS, describieron el cambio sin rodeos. Durante décadas, los marcos de seguridad asumieron que «los humanos toman decisiones y las máquinas las ejecutan». Los sistemas agénticos invierten ese modelo. En un SOC agéntico, sus analistas dejan de procesar interminables colas de nivel 1 y pasan a supervisar y orquestar: validan las conclusiones de los agentes, aplican el contexto empresarial, buscan amenazas y gobiernan a los propios agentes.

El SOC agéntico es un modelo operativo. La página de SentinelOne sobre Autonomous SOC describe hacia dónde conduce ese modelo: detección, investigación agéntica y respuesta en una sola plataforma, mientras los analistas conservan las decisiones importantes. Esta estrategia de SOC agéntico sostiene que la capacidad de investigación se ha convertido en la principal limitación del SOC.

Componentes principales de un SOC agéntico

El marco AgentSOC, propuesto en un artículo de investigación de 2026, organiza el SOC agéntico en tres capas conectadas en un ciclo cerrado: percepción, razonamiento agéntico, y acción y procedimientos. Las respuestas de alto impacto se remiten a los analistas para su aprobación. Las siguientes secciones parten de ese modelo para mostrar qué perciben los agentes, cómo razonan y quién mantiene el control.

Capas de datos y razonamiento

Las capas fundamentales definen qué pueden ver los agentes y cómo convierten esa visibilidad en acciones. Cada capa entrega resultados estructurados a la siguiente:

• Capa de percepción: Normaliza alertas y registros de herramientas de seguridad, controles de la nube y sistemas operativos. Después los enriquece con información sobre activos e identidades para crear objetos de incidente estructurados.
• Capa de razonamiento agéntico: Utiliza un modelo de lenguaje de gran tamaño (LLM) para proponer hipótesis de ataque, contrastarlas con la topología y las rutas de privilegios de su entorno y ordenar las posibles respuestas según el riesgo.
• Capa de acción y procedimientos: Crea procedimientos de respuesta, envía las acciones de alto impacto a un analista para su aprobación y ejecuta automáticamente las de menor riesgo.

En conjunto, estas capas forman el ciclo operativo que convierte la telemetría sin procesar en tareas de seguridad explicables: datos estructurados, hipótesis validadas y pasos de respuesta respaldados por sus pruebas.

Capas de orquestación y control

Usted mantiene el control operativo de un sistema multiagente al definir cómo se coordinan los agentes, qué contexto conservan y cuándo se eleva una decisión a una persona:

1. Los agentes especializados tienen funciones delimitadas: Cada agente se ocupa de la telemetría de endpoints, el análisis de identidades, y la correlación de registros de la nube, mientras un orquestador supervisor coordina el trabajo.
2. Contexto y memoria compartidos: Los agentes intercambian hallazgos estructurados mediante capas de memoria o grafos de conocimiento para conservar el estado de la investigación durante los traspasos.
3. Controles con intervención humana: Los puntos de aprobación mantienen a los analistas al mando de las decisiones importantes, como ocurre en LanG, una plataforma de investigación de 2026 cuyo flujo de trabajo del SOC se detiene en dos puntos de aprobación obligatoria por parte de un analista.
4. Patrones de interoperabilidad: Estos rigen cómo se conectan los agentes a las herramientas y comparten contexto al delegar tareas.

Ese estado compartido hace auditables los flujos de seguridad multiagente. Trate a los agentes de IA del SOC como operadores sujetos a controles, porque su fiabilidad depende de cómo funcionan juntos estos componentes.

Cómo funciona un SOC agéntico

La IA agéntica en las operaciones de seguridad sigue un ciclo de decisiones desde la recepción de alertas hasta la respuesta. Los agentes de clasificación procesan cada alerta, descartan falsos positivos, enriquecen el contexto y asignan prioridades dinámicamente. Ninguna alerta queda en una cola a la espera de un analista del turno nocturno.

Después, los agentes de investigación con acceso a herramientas realizan investigaciones de varios pasos en paralelo: recuperación del contexto de las alertas, consultas del historial de equipos y usuarios, análisis de artefactos en entornos aislados y inteligencia de amenazas correlacionada. La analista de Forrester Allie Mellen describe cómo podría funcionar esa cadena. Un agente de clasificación de phishing confirma un positivo real, los agentes de clasificación e investigación de endpoints comprueban si el ataque tuvo éxito y elevó privilegios, y un agente de respuesta de endpoints entrega al analista el contexto necesario para decidir.

Luego, los agentes de respuesta pasan de recomendar acciones a ejecutar las aprobadas, dentro de los límites de las políticas y bajo supervisión. Si encuentran incertidumbre o una excepción a las políticas, elevan el caso a una persona. En las operaciones de seguridad con intervención humana, los analistas revisan y aprueban las decisiones importantes de los agentes, de modo que la autonomía permanece sujeta a las políticas.

La supervisión humana forma parte de la arquitectura. Un borrador de guía de implementación de Cloud Security Alliance (CSA) recomienda la revisión humana inmediata de las alertas sobre cuentas privilegiadas e infraestructuras críticas, los patrones de correlación nuevos en el entorno, los dictámenes de actividad maliciosa con alta confianza y las puntuaciones de confianza inferiores a un umbral definido. En ese modelo, el agente investiga y recomienda, mientras los analistas revisan las pruebas y autorizan cualquier acción con efectos externos.

La IA agéntica aporta valor a las operaciones de seguridad cuando cada etapa genera pruebas que la siguiente puede reutilizar a lo largo del ciclo.

Beneficios clave de un SOC agéntico

Los beneficios de un SOC agéntico se dividen en dos grupos: mayor cobertura y coherencia al gestionar la cola de alertas, y resultados para los analistas y la empresa que se reflejan en los informes.

Mayor cobertura y coherencia

La cobertura agéntica empieza por las alertas que sus flujos actuales dejan sin atender, porque en un SOC agéntico se investiga cada alerta. El SOAR tradicional solo cubre las clases de alertas para las que se han programado procedimientos. Los agentes analizan alertas sin un procedimiento definido, donde pueden ocultarse intrusiones no detectadas.

La coherencia también se mantiene a la velocidad de máquina: los agentes aplican el mismo rigor al recopilar pruebas a las 2 p. m. y a las 2 a. m., sin los atajos provocados por el cansancio durante el turno nocturno.

Resultados para los analistas y la empresa

La cobertura y la coherencia se traducen directamente en resultados que sigue la dirección: tiempo recuperado para los analistas, personal con menos experiencia que rinde por encima de lo esperado y cambios medibles en los costos de las brechas de seguridad.

• Tiempo recuperado para los analistas: Cuando los agentes se ocupan del enriquecimiento y la correlación, sus profesionales más experimentados dedican su tiempo a decisiones importantes y a la búsqueda de amenazas.
• Personal con menos experiencia que rinde por encima de lo esperado: El contexto generado por IA y las recomendaciones fundamentadas permiten al personal de nivel 1 tomar decisiones que antes exigían años de experiencia para reconocer patrones. Es una ventaja real en un mercado donde el estudio Cybersecurity Workforce Study 2025 de ISC2 documenta una creciente necesidad de competencias en ciberseguridad.
• Costos de las brechas de seguridad: El Informe sobre el costo de una filtración de datos 2026 de IBM reveló que las organizaciones que utilizan ampliamente la IA y la automatización en seguridad ahorraron una media de 1,93 millones de USD por filtración frente a las que no las utilizan.

El factor común es el tiempo: los agentes reducen las horas entre la alerta y el veredicto, y la organización dedica ese tiempo al análisis, la búsqueda de amenazas y las decisiones de mayor impacto.

Riesgos de un SOC agéntico

La autonomía agéntica introduce riesgos propios: los de fiabilidad y explicabilidad surgen durante la investigación, mientras que los de seguridad de los agentes y del personal la rodean.

Riesgos de fiabilidad y explicabilidad

El riesgo para la fiabilidad aumenta cuando el error de un agente se convierte en la entrada de otro. En el SANS Cloud Security Exchange Summit 2026, el director ejecutivo de Graphistry, Leo Meyerovich, mostró la rapidez con que se acumulan los errores por tarea. Una IA con una precisión del 70 % en cada paso de una investigación de 10 tareas deja incompletos el 97 % de los casos. Por eso, cada tarea debe alcanzar una precisión elevada antes de confiar en el proceso completo.

Los agentes que no pueden explicar su razonamiento generan riesgos de incumplimiento y dificultan corregir comportamientos inadecuados. El Marco de Gestión de Riesgos de IA del NIST (AI RMF) destaca la gobernanza, la rendición de cuentas y la transparencia durante todo el ciclo de vida del sistema de IA. Un veredicto sin explicación debilita las tres.

Los problemas de infraestructura y calidad de datos frenan los programas de IA agéntica: si los agentes analizan telemetría incompleta o sin normalizar, producen respuestas erróneas con aparente certeza.

Riesgos para la seguridad de los agentes y el personal

Los agentes aportan autonomía útil, pero esta también abre nuevas vías para que los atacantes y los errores operativos causen daños, empezando por los propios agentes:

1. Ataques dirigidos a agentes: El OWASP Top 10 para aplicaciones agénticas de 2026, una lista revisada por pares del Open Worldwide Application Security Project (OWASP), clasifica los riesgos de seguridad más críticos de los sistemas de IA autónomos y agénticos. Incluye amenazas que solo aparecen cuando la IA puede actuar, como Agent Goal Hijack (ASI01), Tool Misuse (ASI02) e Identity & Privilege Abuse (ASI03). Proteger la IA agéntica exige proteger a los propios agentes frente a la manipulación adversarial.
2. Riesgos operativos y de gobernanza: CISA, la NSA y sus agencias asociadas de Five Eyes advierten en una guía conjunta de 2026 que los sistemas agénticos pueden introducir “una superficie de ataque ampliada, una acumulación de privilegios, comportamientos desviados y registros de eventos poco claros”. Gartner, por su parte, advierte que aplicar la misma gobernanza a todos los agentes de IA conducirá al fracaso y recomienda adaptar los controles al nivel de autonomía de cada agente.
3. Pérdida de competencias: Si los agentes asumen todo el trabajo de nivel 1 y nivel 2, los analistas junior nunca desarrollan el criterio necesario para convertirse en analistas senior.

La seguridad de la IA agéntica también exige vigilar el comportamiento de los agentes con el mismo rigor que aplica a los usuarios, las cargas de trabajo y los endpoints, porque un agente comprometido conserva todos los permisos que usted le concedió. Puede establecer un control para cada uno de estos riesgos antes de que un agente interactúe con producción.

Errores habituales al adoptar un SOC agéntico

Los fracasos en la adopción siguen patrones reconocibles: los errores de gobernanza descritos a continuación nacen de una autonomía sin límites, mientras que los errores de datos y modelado de amenazas tienen su origen en bases deficientes.

Errores de gobernanza

El error de gobernanza más costoso es desplegar agentes sin límites de escalamiento. Así pueden actuar en ámbitos ambiguos o tomar decisiones irreversibles sin un registro de auditoría que permita reconstruirlas después. Defina zonas de confianza y umbrales de escalamiento antes del primer día. Otro error es maximizar la autonomía indiscriminadamente: use agentes para tareas repetibles y de gran volumen, y reserve las decisiones que requieren criterio para las personas.

Errores de datos y modelado de amenazas

Partir de una telemetría deficiente amplifica todos los demás errores: los agentes que usan datos de baja calidad acumulan alucinaciones y fallos. Normalice los datos primero. Omitir el modelado de amenazas deja sin evaluar a los agentes en producción. El marco MAESTRO (Multi-Agent Environment, Security, Threat, Risk, and Outcome) de CSA cierra esa brecha al identificar amenazas de la IA agéntica en siete capas, desde los modelos fundacionales hasta el ecosistema más amplio de agentes. Tratar la supervisión humana como opcional ignora el consenso de los principales marcos. El NIST AI RMF exige definir, evaluar y documentar los procesos de supervisión humana. La guía Careful Adoption of Agentic AI Services deja en manos de los diseñadores y operadores del sistema la decisión de cuándo exigir aprobación humana. La guía Agentic AI Threats and Mitigations de OWASP recomienda supervisión humana para las acciones de alto impacto de los agentes. Las acciones irreversibles, como desconectar un servidor de producción, siguen necesitando aprobación humana. Por último, descuidar la gestión del cambio de los analistas frena la adopción: los agentes necesitan una incorporación adecuada y los analistas, nuevas competencias de supervisión.

Buenas prácticas para un SOC agéntico

Una práctica sólida combina un despliegue por fases, sujeto a controles, con una gobernanza basada en pruebas: los primeros delimitan lo que pueden hacer los agentes y la segunda demuestra que sus decisiones merecen confianza.

Controles de despliegue y aprobación

La disciplina en el despliegue determina si los agentes se ganan la confianza de los analistas: empiece con un alcance limitado, exija aprobación para toda acción de impacto y asigne a cada clase de alerta un nivel de autonomía respaldado por resultados.

• Despliegue por fases: Siga el enfoque gradual de las agencias Five Eyes. Comience con casos de uso claramente definidos, de bajo riesgo y sin datos sensibles. Valide los controles en cada etapa antes de ampliar el alcance.
• Exija aprobación para las acciones de alto impacto: Establezca puntos de decisión que requieran aprobación humana para cualquier acción irreversible, regulada o de importancia para los clientes.
• Ajuste la autonomía según el tipo de alerta: Una alerta de phishing común y una anomalía en una cuenta privilegiada requieren distintos niveles de intervención humana, con un formato de auditoría uniforme.

Un alcance por fases, puntos de aprobación humana y autonomía según el tipo de alerta permiten recuperar los despliegues iniciales: si un agente se equivoca, el impacto queda limitado y la vía para corregirlo sigue clara.

Gobernanza y medición basadas en evidencia

La medición y el modelado de amenazas mantienen la gobernanza rigurosa con el tiempo y generan el registro de evidencias que solicitarán los auditores, los consejos de administración y sus propios analistas.

• Exija razonamientos con fuentes citadas: Cada conclusión de un agente debe incluir evidencias y referencias a sus fuentes. Las conclusiones inexplicables son inaceptables en un SOC.
• Modele las amenazas para los agentes: Compare la arquitectura de sus agentes con MAESTRO y sométala a pruebas de red team antes de ponerla en producción, utilizando la nota de investigación de CSA sobre las directrices de NIST para las pruebas de red team de agentes de IA y las acciones de pruebas de red team descritas en el Perfil de IA generativa de NIST (NIST AI 600-1).
• Establezca primero la gobernanza: Antes del despliegue, defina políticas de acceso de los agentes, condiciones de autonomía y supervisión continua conforme a la función GOVERN del NIST AI RMF.
• Mida los resultados, no la actividad: Deje de medir el éxito por el número de alertas y céntrese en el tiempo medio de detección (MTTD) y el tiempo medio de respuesta (MTTR). Revise continuamente las decisiones de los agentes como lo haría al orientar a una persona recién incorporada.

Al incorporar agentes de IA al SOC, estas prácticas convierten las operaciones de seguridad con supervisión humana en un principio de diseño desde el primer día. También presuponen una plataforma diseñada para operaciones agénticas bajo gobernanza, requisito en torno al cual SentinelOne diseñó su arquitectura.

Construya un SOC agéntico con SentinelOne

La Singularity™ Platform unifica la telemetría de endpoints, identidad y nube, así como las herramientas de seguridad de IA, en una sola consola con una capa de datos compartida y un motor de Behavioral AI. Los agentes analizan la telemetría normalizada según el Open Cybersecurity Schema Framework (OCSF), lo que resuelve el requisito de calidad de los datos donde suelen estancarse los proyectos agénticos.

Purple AI™ es el analista de seguridad con IA agéntica de SentinelOne. Su capacidad Agentic Investigation lleva una alerta desde su recepción hasta una conclusión sin investigación manual: reúne evidencias de distintas capas tecnológicas, sintetiza datos sobre amenazas, crea cronologías de ataques en tiempo real y emite conclusiones explicables bajo la supervisión de los analistas. Además, documenta el contexto de las alertas, los resúmenes y los próximos pasos en Investigation Notebooks, de modo que cada conclusión incluye su registro de evidencias. El informe de IDC de abril de 2025 Business Value of SentinelOne’s Purple AI reveló que los clientes de Purple AI identificaron las amenazas un 63% más rápido y las remediaron un 55% más rápido.

Singularity Hyperautomation es la herramienta sin código de SentinelOne para crear flujos de trabajo de respuesta en entornos Singularity. Incorpora pasos de supervisión humana para decisiones de alto impacto. Hyperautomation se incluye con Singularity AI SIEM y está disponible como complemento para otros productos de SentinelOne. Purple AI emite la conclusión de la investigación y Hyperautomation ejecuta la respuesta conforme a políticas preaprobadas. Ambos utilizan las alertas y el contexto con los que ya trabaja su equipo.

Latio, firma independiente de investigación y asesoramiento centrada en operaciones de seguridad, nombró a SentinelOne líder de plataformas SOC en su informe sobre el mercado de operaciones de seguridad de 2026.

Si gestiona un SOC saturado de alertas o es responsable de explicar al consejo de administración el uso de la IA en las operaciones de seguridad, solicite una demo de SentinelOne para ver cómo funciona la investigación agéntica bajo gobernanza con su propio volumen de alertas.

El SIEM de IA líder del sector

Haga frente a las amenazas en tiempo real y agilice las operaciones diarias con el SIEM de IA más avanzado del mundo de SentinelOne.

Conclusión

Un SOC agéntico pone a los agentes de IA a gestionar alertas, desde la clasificación inicial hasta la respuesta, bajo supervisión humana. Los agentes razonan más allá de los playbooks, pero los errores acumulativos y los veredictos opacos exigen límites de escalamiento, registros de auditoría y una implementación por fases.

Los equipos que combinan autonomía gobernada con bases de datos sólidas reducen de forma medible los tiempos de investigación y remediación. Sus analistas recuperan tiempo para las tareas que solo las personas pueden realizar: aplicar su criterio, buscar amenazas y tomar las decisiones más importantes.