INFERA AI.Firewall y el enfoque Agent Runtime Security para proteger los agentes de IA empresariales
Entre 2025 y 2026, los agentes de IA autónomos ya trabajan con el correo, bases de datos, API y código, y lanzan cadenas de tareas en sistemas multiagente. Los WAF y DLP clásicos, y las primeras generaciones de LLM Firewall, no pueden con estos riesgos. Su relevo es una nueva disciplina: Agent Runtime Security. Un ejemplo de solución que implementa algunos de sus elementos es INFERA AI.Firewall.
Procesado por IA desde Habr AI; editado por Hamidun News
Entre 2025 y 2026, las empresas están pasando en masa de los chatbots sencillos a agentes de IA autónomos. Estos agentes no se limitan a responder preguntas: ejecutan acciones reales. Trabajan con el correo, bases de datos, API y código, e incluso lanzan cadenas de tareas en sistemas multiagente.
Por qué las herramientas de protección tradicionales no dan abasto
Las nuevas capacidades de los agentes han traído también nuevos riesgos. Las herramientas de seguridad clásicas —WAF, DLP e incluso las primeras generaciones de LLM Firewall— se han quedado cortas para controlar agentes autónomos que toman decisiones y ejecutan acciones por su cuenta en los sistemas corporativos. Antes, la tarea consistía en filtrar las solicitudes de texto entrantes y salientes. Ahora, el propio agente puede iniciar una consulta a una base de datos, enviar un correo o lanzar otro agente, y las herramientas clásicas de protección perimetral simplemente no están diseñadas para ese comportamiento.
- La transición de los chatbots a los agentes de IA autónomos avanza con fuerza en 2025–2026
- Los agentes trabajan con el correo, bases de datos, API y código
- Los agentes lanzan cadenas de tareas en sistemas multiagente
- Los WAF, DLP y LLM Firewall de primera generación clásicos no cubren los nuevos riesgos
- La nueva disciplina de protección se llama Agent Runtime Security
Qué es Agent Runtime Security
La respuesta a estos nuevos riesgos ha sido la aparición de una disciplina de seguridad propia: Agent Runtime Security. A diferencia de los firewalls para LLM clásicos, que solo revisan las solicitudes de texto entrantes y salientes, Agent Runtime Security controla el comportamiento del agente directamente mientras se ejecuta: qué acciones inicia, a qué sistemas accede y qué cadenas de tareas lanza.
Como ejemplo de solución que ya implementa los elementos clave de este paradigma se cita INFERA AI.Firewall. La herramienta se presenta como protección para una nueva generación de agentes de IA corporativos que funcionan de forma autónoma y ejecutan acciones reales en la infraestructura de la empresa.
Cómo ha evolucionado la protección de los sistemas de IA
Según el material, la evolución de la protección ha seguido este camino. Primero, las empresas usaban WAF y sistemas DLP convencionales, pensados para proteger aplicaciones web y evitar fugas de datos. Después llegaron las primeras generaciones de LLM Firewall, centradas en filtrar los prompts y las respuestas de los modelos de lenguaje. Pero con el paso a agentes autónomos, que actúan en sistemas reales sin intervención humana constante, hizo falta un nuevo nivel de protección: Agent Runtime Security, que no controla el texto, sino el comportamiento del agente en tiempo de ejecución.
Por qué esto afecta precisamente a los sistemas multiagente
Una fuente de riesgo aparte son los escenarios en los que un agente lanza a otro o le pasa una tarea a lo largo de la cadena. En esta arquitectura, un error o una acción maliciosa en la entrada puede propagarse a la vez a varios agentes conectados, cada uno con acceso a sus propios sistemas: correo, bases de datos, API. Por eso, una protección diseñada para controlar el comportamiento en tiempo de ejecución, y no solo para filtrar una solicitud de texto aislada, resulta imprescindible para las empresas que construyen sistemas de agentes con permisos reales de acceso a la infraestructura.
Cuanto más larga es la cadena de traspaso de tareas entre agentes, más difícil es detectar una desviación de comportamiento en el perímetro clásico y más importante es el control justo en el momento en que se ejecuta la acción.
Qué significa esto
A medida que las empresas confían a los agentes de IA cada vez más acciones reales —desde trabajar con bases de datos hasta lanzar cadenas de tareas en sistemas multiagente—, el perímetro de seguridad se desplaza del filtrado de texto al control del comportamiento del agente durante la ejecución. La categoría Agent Runtime Security y soluciones como INFERA AI.Firewall están surgiendo precisamente como respuesta a este cambio.
Preguntas frecuentes sobre la noticia
¿Qué se sabe sobre Por qué las herramientas de protección tradicionales no dan abasto?
Las nuevas capacidades de los agentes han traído también nuevos riesgos. Las herramientas de seguridad clásicas —WAF, DLP e incluso las primeras generaciones de LLM Firewall— se han quedado cortas para controlar agentes autónomos que toman decisiones y ejecutan acciones por su cuenta en los sistemas corporativos. Antes, la tarea consistía en filtrar las solicitudes de texto entrantes y salientes. Ahora, el propio agente puede iniciar una consulta a una base de datos, enviar un correo o lanzar otro agente, y las herramientas clásicas de protección perimetral simplemente no e
¿Qué se sabe sobre Qué es Agent Runtime Security?
La respuesta a estos nuevos riesgos ha sido la aparición de una disciplina de seguridad propia: Agent Runtime Security. A diferencia de los firewalls para LLM clásicos, que solo revisan las solicitudes de texto entrantes y salientes, Agent Runtime Security controla el comportamiento del agente directamente mientras se ejecuta: qué acciones inicia, a qué sistemas accede y qué cadenas de tareas lanza. Como ejemplo de solución que ya implementa los elementos clave de este paradigma se cita INFERA AI.Firewall. La herramienta se presenta como protección para una nueva generación
Cómo ha evolucionado la protección de los sistemas de IA?
Según el material, la evolución de la protección ha seguido este camino. Primero, las empresas usaban WAF y sistemas DLP convencionales, pensados para proteger aplicaciones web y evitar fugas de datos. Después llegaron las primeras generaciones de LLM Firewall, centradas en filtrar los prompts y las respuestas de los modelos de lenguaje. Pero con el paso a agentes autónomos, que actúan en sistemas reales sin intervención humana constante, hizo falta un nuevo nivel de protección: Agent Runtime Security, que no controla el texto, sino el comportamiento del agente en tiempo de
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
Lo esencial de la IA — una vez por semana
Siete historias que de verdad importaron, elegidas a mano. Sin ruido ni notas de prensa.
¡Listo! Revisa tu correo para la confirmación.