![<\/a><\/div>\nDespu\u00e9s de un buen a\u00f1o de exuberancia sostenida, finalmente ha llegado la resaca. Es una resaca leve (por ahora), ya que el mercado corrige el precio de las acciones de los principales actores (como Nvidia, Microsoft y Google), mientras que otros actores reeval\u00faan el mercado y ajustan sus prioridades. Gartner lo llama el valle de la desilusi\u00f3n<\/a>cuando el inter\u00e9s disminuye y las implementaciones no logran ofrecer los avances prometidos. Los productores de la tecnolog\u00eda fracasan o fracasan. La inversi\u00f3n contin\u00faa s\u00f3lo si los proveedores sobrevivientes mejoran sus productos para satisfacer a los primeros usuarios. <\/p>\nSeamos claros, esto siempre iba a ser as\u00ed: la revoluci\u00f3n poshumana prometida por los promotores de la IA nunca fue un objetivo realista, y el incre\u00edble entusiasmo que provocaron los primeros LLM no se bas\u00f3 en el \u00e9xito del mercado. <\/p>\nLa IA lleg\u00f3 para quedarse <\/h2>\n\u00bfQu\u00e9 le espera a la IA? Bueno, si sigue el ciclo de Gartner, la ca\u00edda profunda es seguida por la pendiente de la iluminaci\u00f3n, donde la tecnolog\u00eda madura recupera su equilibrio, los beneficios se cristalizan y los proveedores lanzan al mercado productos de segunda y tercera generaci\u00f3n. Y si todo va bien, es seguida por la sagrada meseta de la productividad, donde la adopci\u00f3n generalizada despega impulsada por el amplio atractivo de la tecnolog\u00eda en el mercado. Gartner insiste en que hay un par de grandes interrogantes: no todas las tecnolog\u00edas est\u00e1n destinadas a recuperarse despu\u00e9s de la ca\u00edda y lo importante es que el producto encuentre su ajuste al mercado lo suficientemente r\u00e1pido. <\/p>\nEn este momento, parece casi seguro que la IA ha llegado para quedarse. Apple y Google est\u00e1n lanzando al mercado productos de consumo que reenvasan la tecnolog\u00eda en porciones m\u00e1s peque\u00f1as, f\u00e1ciles de digerir y de usar (edici\u00f3n de fotos, edici\u00f3n de texto, b\u00fasqueda avanzada). Si bien la calidad a\u00fan es muy desigual, parece que al menos algunos actores han encontrado una manera de convertir la IA generativa en un producto que tenga sentido, tanto para los consumidores como para sus propios resultados. <\/p>\n\u00bfQu\u00e9 hizo el LLM por nosotros? <\/h2>\nBien, \u00bfd\u00f3nde deja esto a los clientes empresariales, y a las aplicaciones de ciberseguridad en particular? El hecho es que la IA generativa a\u00fan tiene inconvenientes importantes que dificultan su adopci\u00f3n a gran escala. Uno de ellos es la naturaleza fundamentalmente no determinista de la IA generativa. Dado que la tecnolog\u00eda en s\u00ed se basa en modelos probabil\u00edsticos (\u00a1una caracter\u00edstica, no un error!), habr\u00e1 una variaci\u00f3n en el resultado. Esto puede asustar a algunos veteranos de la industria que esperan comportamientos de software de la vieja escuela. Tambi\u00e9n significa que la IA generativa no ser\u00e1 un reemplazo directo de las herramientas existentes, sino m\u00e1s bien una mejora y ampliaci\u00f3n de las herramientas existentes. Aun as\u00ed, tiene el potencial de funcionar como una capa de una defensa de m\u00faltiples capas, una que tambi\u00e9n es dif\u00edcil de predecir para los atacantes. <\/p>\nEl otro inconveniente que provoca fricciones en la adopci\u00f3n es el coste. Los modelos son Muy costoso de entrenar<\/a> Y este alto costo se est\u00e1 trasladando actualmente a los consumidores de los modelos. En consecuencia, se est\u00e1 haciendo mucho hincapi\u00e9 en reducir el costo por consulta. Los avances en hardware, junto con los resultados innovadores en el refinamiento de los modelos, prometen reducciones significativas en el uso de energ\u00eda al ejecutar modelos de IA, y hay una expectativa razonable de que (al menos la salida basada en texto) se convierta en un negocio rentable. <\/p>\nLos modelos m\u00e1s baratos y precisos son geniales, pero tambi\u00e9n hay una creciente conciencia de que la tarea de integrar estos modelos en los flujos de trabajo organizacionales ser\u00e1 un desaf\u00edo importante. Como sociedad, a\u00fan no tenemos la experiencia para saber c\u00f3mo integrar de manera eficiente las tecnolog\u00edas de IA en las pr\u00e1cticas laborales cotidianas. Tambi\u00e9n est\u00e1 la cuesti\u00f3n de c\u00f3mo la fuerza laboral humana existente aceptar\u00e1 y trabajar\u00e1 con las nuevas tecnolog\u00edas. Por ejemplo, hemos visto casos en los que los trabajadores humanos y los clientes prefieren interactuar con un modelo que prioriza la explicabilidad sobre la precisi\u00f3n. Estudio de marzo de 2024<\/a> Un estudio de la Facultad de Medicina de Harvard concluy\u00f3 que el efecto de la asistencia con IA era inconsistente y variaba en una muestra de prueba de radi\u00f3logos, y que el desempe\u00f1o de algunos radi\u00f3logos mejoraba con la IA y empeoraba en otros. La recomendaci\u00f3n es que, si bien las herramientas de IA deben introducirse en la pr\u00e1ctica cl\u00ednica, se debe adoptar un enfoque matizado, personalizado y cuidadosamente calibrado para garantizar resultados \u00f3ptimos para los pacientes. <\/p>\n\u00bfQu\u00e9 pasa con el ajuste al mercado que mencionamos antes? Si bien la IA generativa (probablemente) nunca reemplazar\u00e1 a un programador (sin importar lo que afirmen algunas empresas), la generaci\u00f3n de c\u00f3digo asistida por IA se ha convertido en una herramienta de creaci\u00f3n de prototipos \u00fatil para una variedad de escenarios. Esto ya es \u00fatil para los especialistas en ciberseguridad: el c\u00f3digo generado o la configuraci\u00f3n es un punto de partida razonable para desarrollar algo r\u00e1pidamente antes de refinarlo. <\/p>\nLa gran advertencia: la tecnolog\u00eda existente tiene la posibilidad de acelerar el trabajo de un profesional experimentado, que puede depurar y corregir r\u00e1pidamente el texto generado (c\u00f3digo o configuraci\u00f3n). Pero puede ser potencialmente desastroso para un usuario que no sea un veterano en el campo: siempre existe la posibilidad de que se genere una configuraci\u00f3n o un c\u00f3digo inseguro que, si llega a producci\u00f3n, reducir\u00eda la postura de ciberseguridad de la organizaci\u00f3n. Por lo tanto, como cualquier otra herramienta, puede ser \u00fatil si sabes lo que est\u00e1s haciendo y puede conducir a resultados negativos si no lo sabes. <\/p>\nEn este punto, es necesario advertir sobre una caracter\u00edstica especial de la generaci\u00f3n actual de herramientas de IA generativa: suenan enga\u00f1osamente seguras cuando proclaman los resultados. Incluso si el texto es descaradamente err\u00f3neo, todas las herramientas actuales lo ofrecen de una manera tan segura que f\u00e1cilmente enga\u00f1a a los usuarios novatos. As\u00ed que, tenga en cuenta: el ordenador miente sobre lo seguro que est\u00e1 y, a veces, se equivoca mucho. <\/p>\nOtro caso de uso eficaz es la atenci\u00f3n al cliente, m\u00e1s concretamente la atenci\u00f3n de nivel 1: la capacidad de ayudar a los clientes que no se molestan en leer el manual o las preguntas frecuentes publicadas. Un chatbot moderno puede responder razonablemente a preguntas sencillas y derivar consultas m\u00e1s avanzadas a niveles superiores de atenci\u00f3n. Si bien esto no es exactamente ideal desde el punto de vista de la experiencia del cliente, el ahorro de costes (especialmente para organizaciones muy grandes con muchos usuarios no capacitados) podr\u00eda ser significativo. <\/p>\nLa incertidumbre en torno a c\u00f3mo se integrar\u00e1 la IA en las empresas es una Una bendici\u00f3n para la industria de consultor\u00eda de gesti\u00f3n<\/a>Por ejemplo, Boston Consulting Group obtiene ahora el 20% de sus ingresos de proyectos relacionados con la IA, mientras que McKinsey espera que el 40% de sus ingresos provengan de proyectos de IA este a\u00f1o. Otras consultoras como IBM y Accenture tambi\u00e9n est\u00e1n en el barco. Los proyectos empresariales son bastante variados: facilitar la traducci\u00f3n de anuncios de un idioma a otro, mejorar la b\u00fasqueda de adquisiciones al evaluar a los proveedores y reforzar los chatbots de atenci\u00f3n al cliente que evitan las alucinaciones e incluyen referencias a las fuentes para mejorar la fiabilidad. Aunque solo 200 de las 5000 consultas de clientes pasan por el chatbot de ING, se puede esperar que esta cifra aumente a medida que mejore la calidad de las respuestas. De forma an\u00e1loga a la evoluci\u00f3n de la b\u00fasqueda en Internet, uno puede imaginar un punto de inflexi\u00f3n en el que se convierta en una reacci\u00f3n instintiva “preguntar al bot” en lugar de hurgar en el lodazal de datos uno mismo. <\/p>\nLa gobernanza de la IA debe abordar las preocupaciones sobre ciberseguridad <\/h2>\nIndependientemente de los casos de uso espec\u00edficos, las nuevas herramientas de IA traen consigo un conjunto completamente nuevo de problemas de ciberseguridad. Al igual que las RPA en el pasado, los chatbots que se relacionan con los clientes necesitan identidades de m\u00e1quina con acceso apropiado, a veces privilegiado, a los sistemas corporativos. Por ejemplo, un chatbot podr\u00eda necesitar poder identificar al cliente y extraer algunos registros del sistema CRM, lo que deber\u00eda hacer sonar inmediatamente las alarmas para los veteranos de la IAM. Establecer una gesti\u00f3n de identidades precisa controles de acceso<\/a> En torno a esta tecnolog\u00eda experimental se encontrar\u00e1 un aspecto clave del proceso de implementaci\u00f3n. <\/p>\nLo mismo ocurre con las herramientas de generaci\u00f3n de c\u00f3digo que se utilizan en los procesos de desarrollo o de DevOps: configurar el acceso correcto al repositorio de c\u00f3digo limitar\u00e1 el radio de acci\u00f3n en caso de que algo salga mal. Tambi\u00e9n reduce el efecto de una posible infracci\u00f3n, en caso de que la propia herramienta de IA se convierta en un riesgo de ciberseguridad. <\/p>\nY, por supuesto, siempre existe el riesgo de terceros: al incorporar una herramienta tan poderosa pero poco conocida, las organizaciones se est\u00e1n exponiendo a adversarios que est\u00e1n probando los l\u00edmites de la tecnolog\u00eda LLM. La relativa falta de madurez en este aspecto podr\u00eda ser problem\u00e1tica: a\u00fan no contamos con las mejores pr\u00e1cticas para reforzar las LLM, por lo que debemos asegurarnos de que no tengan privilegios de escritura en lugares sensibles. <\/p>\nLas oportunidades de la IA en la gesti\u00f3n de identidades y accesos <\/h2>\nEn este punto, se presentan casos de uso y oportunidades para Inteligencia artificial en control de acceso e IAM<\/a> Las tecnolog\u00edas de inteligencia artificial est\u00e1n tomando forma y se est\u00e1n entregando a los clientes en forma de productos. Las \u00e1reas tradicionales del aprendizaje autom\u00e1tico cl\u00e1sico, como la miner\u00eda de roles y las recomendaciones de derechos, se est\u00e1n revisando a la luz de los m\u00e9todos y las interfaces de usuario modernos, y la creaci\u00f3n y evoluci\u00f3n de roles se est\u00e1n entrelazando m\u00e1s estrechamente en los flujos de trabajo y las interfaces de usuario de gobernanza listos para usar. Las innovaciones inspiradas en la IA m\u00e1s recientes, como el an\u00e1lisis de grupos de pares, las recomendaciones de decisiones y la gobernanza basada en el comportamiento, se est\u00e1n convirtiendo en algo habitual en el mundo de la gobernanza de identidades. Los clientes ahora esperan tecnolog\u00edas de puntos de cumplimiento como los sistemas de gesti\u00f3n de acceso SSO y Sistemas de gesti\u00f3n de cuentas privilegiadas<\/a> Ofrecer detecci\u00f3n de anomal\u00edas y amenazas basada en inteligencia artificial seg\u00fan el comportamiento y las sesiones del usuario. <\/p>\nLas interfaces de lenguaje natural est\u00e1n comenzando a mejorar enormemente la experiencia del usuario en todas estas categor\u00edas de Soluci\u00f3n IAM<\/a> Al permitir intercambios interactivos de lenguaje natural con el sistema, a\u00fan necesitamos informes y paneles est\u00e1ticos, pero la capacidad de que personas con diferentes responsabilidades y necesidades se expresen en lenguaje natural y refinen los resultados de b\u00fasqueda de manera interactiva reduce las habilidades y la capacitaci\u00f3n necesarias para garantizar que las organizaciones obtengan valor de estos sistemas. <\/p>\nEste es el final del principio. <\/h2>\nUna cosa es segura: sea cual sea el estado de la tecnolog\u00eda de IA a mediados de 2024, no ser\u00e1 el fin de este campo. La IA generativa y los LLM son solo un subcampo de la IA, y muchos otros campos relacionados con la IA est\u00e1n haciendo r\u00e1pidos progresos gracias a los avances en hardware y a la generosa financiaci\u00f3n de la investigaci\u00f3n gubernamental y privada. <\/p>\nCualquiera sea la forma que adopte la IA madura y lista para la empresa, los veteranos de seguridad ya deben considerar los beneficios potenciales que la IA generativa puede aportar a su postura defensiva, lo que estas herramientas pueden hacer para perforar las defensas existentes y c\u00f3mo podemos contener el radio de explosi\u00f3n si el experimento sale mal.<\/p>\nNota: <\/b>Este art\u00edculo escrito por expertos es una contribuci\u00f3n de Robert Byrne, estratega de campo en One Identity. Rob tiene m\u00e1s de 15 a\u00f1os de experiencia en TI, ocupando diversos puestos, como desarrollo, consultor\u00eda y ventas t\u00e9cnicas. Su carrera se ha centrado principalmente en la gesti\u00f3n de identidades. Antes de unirse a Quest, Rob trabaj\u00f3 con Oracle y Sun Microsystems. Tiene una licenciatura en Ciencias en matem\u00e1ticas e inform\u00e1tica.<\/i><\/p>\n<\/p>\n\u00bfTe result\u00f3 interesante este art\u00edculo? Este art\u00edculo es una contribuci\u00f3n de uno de nuestros valiosos socios.<\/span> Siguenos en Gorjeo \uf099<\/i><\/a> y LinkedIn<\/a> para leer m\u00e1s contenido exclusivo que publicamos.<\/div>\n<\/div>\n](\"https:\/\/teknomers.com\/es\/wp-content\/uploads\/2024\/08\/La-resaca-de-la-IA-ya-esta-aqui-el-fin.jpg\"){kind=link}
Despu\u00e9s de un buen a\u00f1o de exuberancia sostenida, finalmente ha llegado la resaca. Es una resaca leve (por ahora), ya que el mercado corrige el precio de las acciones de los principales actores (como Nvidia, Microsoft y Google), mientras que otros actores reeval\u00faan el mercado y ajustan sus prioridades. Gartner lo llama el valle de la desilusi\u00f3n<\/a>cuando el inter\u00e9s disminuye y las implementaciones no logran ofrecer los avances prometidos. Los productores de la tecnolog\u00eda fracasan o fracasan. La inversi\u00f3n contin\u00faa s\u00f3lo si los proveedores sobrevivientes mejoran sus productos para satisfacer a los primeros usuarios. <\/p>\n Seamos claros, esto siempre iba a ser as\u00ed: la revoluci\u00f3n poshumana prometida por los promotores de la IA nunca fue un objetivo realista, y el incre\u00edble entusiasmo que provocaron los primeros LLM no se bas\u00f3 en el \u00e9xito del mercado. <\/p>\n \u00bfQu\u00e9 le espera a la IA? Bueno, si sigue el ciclo de Gartner, la ca\u00edda profunda es seguida por la pendiente de la iluminaci\u00f3n, donde la tecnolog\u00eda madura recupera su equilibrio, los beneficios se cristalizan y los proveedores lanzan al mercado productos de segunda y tercera generaci\u00f3n. Y si todo va bien, es seguida por la sagrada meseta de la productividad, donde la adopci\u00f3n generalizada despega impulsada por el amplio atractivo de la tecnolog\u00eda en el mercado. Gartner insiste en que hay un par de grandes interrogantes: no todas las tecnolog\u00edas est\u00e1n destinadas a recuperarse despu\u00e9s de la ca\u00edda y lo importante es que el producto encuentre su ajuste al mercado lo suficientemente r\u00e1pido. <\/p>\n En este momento, parece casi seguro que la IA ha llegado para quedarse. Apple y Google est\u00e1n lanzando al mercado productos de consumo que reenvasan la tecnolog\u00eda en porciones m\u00e1s peque\u00f1as, f\u00e1ciles de digerir y de usar (edici\u00f3n de fotos, edici\u00f3n de texto, b\u00fasqueda avanzada). Si bien la calidad a\u00fan es muy desigual, parece que al menos algunos actores han encontrado una manera de convertir la IA generativa en un producto que tenga sentido, tanto para los consumidores como para sus propios resultados. <\/p>\n Bien, \u00bfd\u00f3nde deja esto a los clientes empresariales, y a las aplicaciones de ciberseguridad en particular? El hecho es que la IA generativa a\u00fan tiene inconvenientes importantes que dificultan su adopci\u00f3n a gran escala. Uno de ellos es la naturaleza fundamentalmente no determinista de la IA generativa. Dado que la tecnolog\u00eda en s\u00ed se basa en modelos probabil\u00edsticos (\u00a1una caracter\u00edstica, no un error!), habr\u00e1 una variaci\u00f3n en el resultado. Esto puede asustar a algunos veteranos de la industria que esperan comportamientos de software de la vieja escuela. Tambi\u00e9n significa que la IA generativa no ser\u00e1 un reemplazo directo de las herramientas existentes, sino m\u00e1s bien una mejora y ampliaci\u00f3n de las herramientas existentes. Aun as\u00ed, tiene el potencial de funcionar como una capa de una defensa de m\u00faltiples capas, una que tambi\u00e9n es dif\u00edcil de predecir para los atacantes. <\/p>\n El otro inconveniente que provoca fricciones en la adopci\u00f3n es el coste. Los modelos son Muy costoso de entrenar<\/a> Y este alto costo se est\u00e1 trasladando actualmente a los consumidores de los modelos. En consecuencia, se est\u00e1 haciendo mucho hincapi\u00e9 en reducir el costo por consulta. Los avances en hardware, junto con los resultados innovadores en el refinamiento de los modelos, prometen reducciones significativas en el uso de energ\u00eda al ejecutar modelos de IA, y hay una expectativa razonable de que (al menos la salida basada en texto) se convierta en un negocio rentable. <\/p>\n Los modelos m\u00e1s baratos y precisos son geniales, pero tambi\u00e9n hay una creciente conciencia de que la tarea de integrar estos modelos en los flujos de trabajo organizacionales ser\u00e1 un desaf\u00edo importante. Como sociedad, a\u00fan no tenemos la experiencia para saber c\u00f3mo integrar de manera eficiente las tecnolog\u00edas de IA en las pr\u00e1cticas laborales cotidianas. Tambi\u00e9n est\u00e1 la cuesti\u00f3n de c\u00f3mo la fuerza laboral humana existente aceptar\u00e1 y trabajar\u00e1 con las nuevas tecnolog\u00edas. Por ejemplo, hemos visto casos en los que los trabajadores humanos y los clientes prefieren interactuar con un modelo que prioriza la explicabilidad sobre la precisi\u00f3n. Estudio de marzo de 2024<\/a> Un estudio de la Facultad de Medicina de Harvard concluy\u00f3 que el efecto de la asistencia con IA era inconsistente y variaba en una muestra de prueba de radi\u00f3logos, y que el desempe\u00f1o de algunos radi\u00f3logos mejoraba con la IA y empeoraba en otros. La recomendaci\u00f3n es que, si bien las herramientas de IA deben introducirse en la pr\u00e1ctica cl\u00ednica, se debe adoptar un enfoque matizado, personalizado y cuidadosamente calibrado para garantizar resultados \u00f3ptimos para los pacientes. <\/p>\n \u00bfQu\u00e9 pasa con el ajuste al mercado que mencionamos antes? Si bien la IA generativa (probablemente) nunca reemplazar\u00e1 a un programador (sin importar lo que afirmen algunas empresas), la generaci\u00f3n de c\u00f3digo asistida por IA se ha convertido en una herramienta de creaci\u00f3n de prototipos \u00fatil para una variedad de escenarios. Esto ya es \u00fatil para los especialistas en ciberseguridad: el c\u00f3digo generado o la configuraci\u00f3n es un punto de partida razonable para desarrollar algo r\u00e1pidamente antes de refinarlo. <\/p>\n La gran advertencia: la tecnolog\u00eda existente tiene la posibilidad de acelerar el trabajo de un profesional experimentado, que puede depurar y corregir r\u00e1pidamente el texto generado (c\u00f3digo o configuraci\u00f3n). Pero puede ser potencialmente desastroso para un usuario que no sea un veterano en el campo: siempre existe la posibilidad de que se genere una configuraci\u00f3n o un c\u00f3digo inseguro que, si llega a producci\u00f3n, reducir\u00eda la postura de ciberseguridad de la organizaci\u00f3n. Por lo tanto, como cualquier otra herramienta, puede ser \u00fatil si sabes lo que est\u00e1s haciendo y puede conducir a resultados negativos si no lo sabes. <\/p>\n En este punto, es necesario advertir sobre una caracter\u00edstica especial de la generaci\u00f3n actual de herramientas de IA generativa: suenan enga\u00f1osamente seguras cuando proclaman los resultados. Incluso si el texto es descaradamente err\u00f3neo, todas las herramientas actuales lo ofrecen de una manera tan segura que f\u00e1cilmente enga\u00f1a a los usuarios novatos. As\u00ed que, tenga en cuenta: el ordenador miente sobre lo seguro que est\u00e1 y, a veces, se equivoca mucho. <\/p>\n Otro caso de uso eficaz es la atenci\u00f3n al cliente, m\u00e1s concretamente la atenci\u00f3n de nivel 1: la capacidad de ayudar a los clientes que no se molestan en leer el manual o las preguntas frecuentes publicadas. Un chatbot moderno puede responder razonablemente a preguntas sencillas y derivar consultas m\u00e1s avanzadas a niveles superiores de atenci\u00f3n. Si bien esto no es exactamente ideal desde el punto de vista de la experiencia del cliente, el ahorro de costes (especialmente para organizaciones muy grandes con muchos usuarios no capacitados) podr\u00eda ser significativo. <\/p>\n La incertidumbre en torno a c\u00f3mo se integrar\u00e1 la IA en las empresas es una Una bendici\u00f3n para la industria de consultor\u00eda de gesti\u00f3n<\/a>Por ejemplo, Boston Consulting Group obtiene ahora el 20% de sus ingresos de proyectos relacionados con la IA, mientras que McKinsey espera que el 40% de sus ingresos provengan de proyectos de IA este a\u00f1o. Otras consultoras como IBM y Accenture tambi\u00e9n est\u00e1n en el barco. Los proyectos empresariales son bastante variados: facilitar la traducci\u00f3n de anuncios de un idioma a otro, mejorar la b\u00fasqueda de adquisiciones al evaluar a los proveedores y reforzar los chatbots de atenci\u00f3n al cliente que evitan las alucinaciones e incluyen referencias a las fuentes para mejorar la fiabilidad. Aunque solo 200 de las 5000 consultas de clientes pasan por el chatbot de ING, se puede esperar que esta cifra aumente a medida que mejore la calidad de las respuestas. De forma an\u00e1loga a la evoluci\u00f3n de la b\u00fasqueda en Internet, uno puede imaginar un punto de inflexi\u00f3n en el que se convierta en una reacci\u00f3n instintiva “preguntar al bot” en lugar de hurgar en el lodazal de datos uno mismo. <\/p>\n Independientemente de los casos de uso espec\u00edficos, las nuevas herramientas de IA traen consigo un conjunto completamente nuevo de problemas de ciberseguridad. Al igual que las RPA en el pasado, los chatbots que se relacionan con los clientes necesitan identidades de m\u00e1quina con acceso apropiado, a veces privilegiado, a los sistemas corporativos. Por ejemplo, un chatbot podr\u00eda necesitar poder identificar al cliente y extraer algunos registros del sistema CRM, lo que deber\u00eda hacer sonar inmediatamente las alarmas para los veteranos de la IAM. Establecer una gesti\u00f3n de identidades precisa controles de acceso<\/a> En torno a esta tecnolog\u00eda experimental se encontrar\u00e1 un aspecto clave del proceso de implementaci\u00f3n. <\/p>\n Lo mismo ocurre con las herramientas de generaci\u00f3n de c\u00f3digo que se utilizan en los procesos de desarrollo o de DevOps: configurar el acceso correcto al repositorio de c\u00f3digo limitar\u00e1 el radio de acci\u00f3n en caso de que algo salga mal. Tambi\u00e9n reduce el efecto de una posible infracci\u00f3n, en caso de que la propia herramienta de IA se convierta en un riesgo de ciberseguridad. <\/p>\n Y, por supuesto, siempre existe el riesgo de terceros: al incorporar una herramienta tan poderosa pero poco conocida, las organizaciones se est\u00e1n exponiendo a adversarios que est\u00e1n probando los l\u00edmites de la tecnolog\u00eda LLM. La relativa falta de madurez en este aspecto podr\u00eda ser problem\u00e1tica: a\u00fan no contamos con las mejores pr\u00e1cticas para reforzar las LLM, por lo que debemos asegurarnos de que no tengan privilegios de escritura en lugares sensibles. <\/p>\n En este punto, se presentan casos de uso y oportunidades para Inteligencia artificial en control de acceso e IAM<\/a> Las tecnolog\u00edas de inteligencia artificial est\u00e1n tomando forma y se est\u00e1n entregando a los clientes en forma de productos. Las \u00e1reas tradicionales del aprendizaje autom\u00e1tico cl\u00e1sico, como la miner\u00eda de roles y las recomendaciones de derechos, se est\u00e1n revisando a la luz de los m\u00e9todos y las interfaces de usuario modernos, y la creaci\u00f3n y evoluci\u00f3n de roles se est\u00e1n entrelazando m\u00e1s estrechamente en los flujos de trabajo y las interfaces de usuario de gobernanza listos para usar. Las innovaciones inspiradas en la IA m\u00e1s recientes, como el an\u00e1lisis de grupos de pares, las recomendaciones de decisiones y la gobernanza basada en el comportamiento, se est\u00e1n convirtiendo en algo habitual en el mundo de la gobernanza de identidades. Los clientes ahora esperan tecnolog\u00edas de puntos de cumplimiento como los sistemas de gesti\u00f3n de acceso SSO y Sistemas de gesti\u00f3n de cuentas privilegiadas<\/a> Ofrecer detecci\u00f3n de anomal\u00edas y amenazas basada en inteligencia artificial seg\u00fan el comportamiento y las sesiones del usuario. <\/p>\n Las interfaces de lenguaje natural est\u00e1n comenzando a mejorar enormemente la experiencia del usuario en todas estas categor\u00edas de Soluci\u00f3n IAM<\/a> Al permitir intercambios interactivos de lenguaje natural con el sistema, a\u00fan necesitamos informes y paneles est\u00e1ticos, pero la capacidad de que personas con diferentes responsabilidades y necesidades se expresen en lenguaje natural y refinen los resultados de b\u00fasqueda de manera interactiva reduce las habilidades y la capacitaci\u00f3n necesarias para garantizar que las organizaciones obtengan valor de estos sistemas. <\/p>\n Una cosa es segura: sea cual sea el estado de la tecnolog\u00eda de IA a mediados de 2024, no ser\u00e1 el fin de este campo. La IA generativa y los LLM son solo un subcampo de la IA, y muchos otros campos relacionados con la IA est\u00e1n haciendo r\u00e1pidos progresos gracias a los avances en hardware y a la generosa financiaci\u00f3n de la investigaci\u00f3n gubernamental y privada. <\/p>\n Cualquiera sea la forma que adopte la IA madura y lista para la empresa, los veteranos de seguridad ya deben considerar los beneficios potenciales que la IA generativa puede aportar a su postura defensiva, lo que estas herramientas pueden hacer para perforar las defensas existentes y c\u00f3mo podemos contener el radio de explosi\u00f3n si el experimento sale mal.<\/p>\n Nota: <\/b>Este art\u00edculo escrito por expertos es una contribuci\u00f3n de Robert Byrne, estratega de campo en One Identity. Rob tiene m\u00e1s de 15 a\u00f1os de experiencia en TI, ocupando diversos puestos, como desarrollo, consultor\u00eda y ventas t\u00e9cnicas. Su carrera se ha centrado principalmente en la gesti\u00f3n de identidades. Antes de unirse a Quest, Rob trabaj\u00f3 con Oracle y Sun Microsystems. Tiene una licenciatura en Ciencias en matem\u00e1ticas e inform\u00e1tica.<\/i><\/p>\n <\/p>\nLa IA lleg\u00f3 para quedarse <\/h2>\n
\u00bfQu\u00e9 hizo el LLM por nosotros? <\/h2>\n
La gobernanza de la IA debe abordar las preocupaciones sobre ciberseguridad <\/h2>\n
Las oportunidades de la IA en la gesti\u00f3n de identidades y accesos <\/h2>\n
Este es el final del principio. <\/h2>\n