Gobernanza · 5 min de lectura · Actualizado 2026-11-16
¿Quién da el visto bueno cuando un agente redacta su cambio de firewall?
FireMon ha dado a los agentes de IA un asiento en la mesa de políticas, buscando datos de acceso y redactando cambios de firewall antes de que un humano los apruebe. La capacidad es útil. Lo que gobierna al agente que redacta es la parte que nadie ha respondido todavía.
El 27 de octubre de 2026, Help Net Security informó de que FireMon ha incorporado capacidades de IA agéntica a su plataforma de gestión de seguridad de red, convirtiendo a los agentes en "ciudadanos de primera clase junto a los profesionales" en el trabajo de políticas (Help Net Security, 27 de octubre de 2026). El consejero delegado de FireMon, Jody Brazil, planteó el razonamiento sin rodeos: "La seguridad de red nunca ha sido tan compleja, y la respuesta no es más infraestructura" (Help Net Security, 27 de octubre de 2026).
Qué ha ocurrido
La nueva versión añade agentes con nombre propio a tareas específicas. Un Intelligent Agent busca y analiza datos de políticas, construyendo consultas en Security Intelligence Query Language entre bastidores para que los profesionales puedan hacer preguntas sin escribirlas. Un Network Designer Agent convierte un requisito de acceso, por ejemplo el acceso HTTPS a un servicio de informes, en recomendaciones de política de firewall. Un Policy Change Designer Agent lleva una solicitud a través del descubrimiento, la recomendación y la preparación de un cambio de Policy Plan por etapas, deteniéndose cada vez que un profesional debe elegir entre opciones válidas (Help Net Security, 27 de octubre de 2026).
FireMon es explícita en que nada de lo que prepara un agente llega a un firewall por sí solo. Un cambio de Policy Plan queda a la espera de que un humano lo revise y lo acepte, y la aceptación guarda el trabajo en el flujo de trabajo en lugar de desplegarlo. La plataforma también expone un FireMon MCP Server, de modo que flujos de trabajo agénticos externos pueden recuperar datos de políticas y preparar cambios a través del Model Context Protocol, controlados por roles y credenciales. Los clientes eligen su propio modelo de lenguaje de gran tamaño, incluido uno ejecutado dentro de su propio entorno, y la activación de la IA está desactivada por defecto (Help Net Security, 27 de octubre de 2026).
Se trata de un diseño cuidadoso. También está, según el propio relato de FireMon, sin probar a gran escala: la afirmación del artículo de que los agentes ahorran "miles de horas" de trabajo no aporta datos que la respalden (Help Net Security, 27 de octubre de 2026).
Por qué no es un movimiento aislado
FireMon está aplicando un patrón que ya aparece en las herramientas de seguridad: dar a un agente acceso de lectura a datos operativos, dejar que razone sobre esos datos y dejar que redacte el artefacto consecuente para que un humano lo apruebe. El atractivo es obvio. Los parques de firewalls abarcan varios proveedores, entornos en la nube y capas de segmentación, y una sola solicitud de acceso puede afectar a varios dispositivos con más de una forma válida de satisfacerla. Reunir y evaluar eso a mano es lento, que es precisamente la brecha en la que FireMon está vendiendo.
El riesgo se encuentra una capa por debajo del diagrama de flujo de trabajo, en la identidad que el propio agente posee. El planteamiento general de Orchid Security sobre los despliegues de agentes se aplica aquí directamente: "el agente está aprobado, el estudio está aprobado, pero las identidades que hay detrás quedan fuera del proceso de revisión habitual", y los permisos tienden a "acumularse" más allá del cometido original del agente a medida que se añaden integraciones con el tiempo (Roy Katmor, Orchid, citado en [[agent-credentials-nobody-reviews]]). Un agente que puede consultar datos de políticas en todos los proveedores de firewall conectados y preparar cambios a través de un servidor MCP tiene un alcance considerable, sea como sea la puerta de aprobación humana que rodea su resultado.
La brecha de gobernanza más amplia ya está medida, no es hipotética. El informe State of Agent Security 2026 de Reco (26 de agosto de 2026), elaborado a partir de telemetría empresarial y del análisis de 500 servidores públicos de Model Context Protocol, constató que el 80 % de las herramientas de IA funciona sin ninguna supervisión. Esa cifra abarca las herramientas de IA en general, no la seguridad de red en particular, pero describe exactamente el mismo tipo de problema que FireMon está introduciendo ahora en la gestión de políticas: un agente con acceso de lectura y preparación a datos sensibles de infraestructura, y ninguna respuesta asentada sobre quién revisa aquello a lo que se le permitió llegar.
Qué significa para una empresa regulada
Un agente que puede buscar datos de políticas y preparar cambios de firewall es, en la práctica, una nueva identidad con acceso al plano de control de acceso de la red. Bajo NIS2, la gestión del riesgo de ciberseguridad conlleva responsabilidad personal de la dirección, y un cambio por etapas preparado por una identidad de agente no revisada es precisamente el tipo de riesgo operativo que esa obligación pretende cubrir. Las expectativas de conservación de registros del Reglamento de IA de la UE (EU AI Act) presuponen que una organización puede decir qué hizo un sistema y con qué autorización; un servidor MCP que expone datos de políticas a flujos de trabajo agénticos externos necesita que ese registro exista por diseño arquitectónico, no por reconstrucción posterior.
La pregunta práctica para un responsable de seguridad o cumplimiento no es si existe la puerta de aprobación humana. FireMon ha construido una. Es si la organización puede responder, para cualquier agente conectado a ese servidor MCP: qué credencial utilizó, qué alcance tiene realmente esa credencial en todos los proveedores de firewall conectados, y si el cambio por etapas que preparó coincide con lo que estaba autorizado a tocar.
Qué lo resuelve de verdad
El mecanismo que cierra esta brecha es el mismo que la cierra para cualquier agente: una identidad emitida al propio agente, acotada a los sistemas que necesita y nada más amplio, con un registro de cada uso de credencial guardado donde un revisor pueda leerlo en lugar de darlo por hecho. El acotamiento tiene que cubrir específicamente la conexión al servidor MCP, ya que es la vía por la que un agente externo llega a los datos de políticas preparados, y los controles de rol y credencial en ese servidor son tan buenos como el proceso de revisión que hay detrás de los roles que conceden.
Un libro de auditoría de solo anexión, mantenido aparte de los propios informes del agente, es lo que permite a un equipo de seguridad comparar lo que un agente estaba autorizado a consultar con lo que realmente consultó, y revocar el acceso de un solo agente en segundos si ambas cosas difieren, sin tener que desconectar la propia plataforma de firewall.
Qué revisar el lunes
Antes de que cualquier capacidad agéntica toque la política de firewall, conviene responder por escrito a cuatro preguntas: qué identidad utiliza el agente para llegar a la plataforma de políticas y al servidor MCP, quién emitió esa identidad y cuándo se revisó por última vez, cuál es el alcance completo de los sistemas a los que esa identidad puede llegar hoy frente a lo que se le concedió, y dónde está el registro que mostraría a un regulador, seis meses después, exactamente qué cambio por etapas procedió de un agente y no de una persona. Si alguna de estas cuatro preguntas no tiene respuesta, la puerta de aprobación humana está revisando un resultado sin poder auditar el alcance que lo produjo.
Cómo lo resuelve AANCER
AANCER emite a cada Certified Agent un pasaporte firmado por una autoridad de certificación propia por instalación, en lugar de dejar que herede una credencial prestada, de modo que un agente que consulta políticas lleva una identidad acotada y con nombre propio en lugar de una cuenta de servicio compartida. Ese pasaporte especifica las herramientas y los datos a los que el agente puede acceder y es revocable en menos de 30 segundos, sin volver a desplegar el agente ni los sistemas con los que se comunica.
Cada uso de credencial queda registrado en un libro de auditoría de solo anexión y a prueba de manipulaciones, de modo que un equipo de seguridad puede comparar lo que un agente estaba autorizado a consultar con lo que realmente consultó. La capa de conectores de AANCER, con 725 conectores mapeados, permite extender ese acotamiento a plataformas de infraestructura como las herramientas de gestión de políticas sin otorgar al agente una cuenta permanente en cada una, y los flujos de aprobación bloquean el paso consecuente de modo que una decisión humana queda registrada junto a la recomendación del agente.
Fuentes
- Help Net Security, "FireMon Agentic AI helps teams investigate access and prepare policy changes", 27 de octubre de 2026: https://www.helpnetsecurity.com/2026/10/27/firemon-agentic-ai/
- Roy Katmor, Orchid Security, citado en [[agent-credentials-nobody-reviews]]
- Reco, State of Agent Security 2026, 26 de agosto de 2026, citado en [[ungoverned-prompt]]
Guías relacionadas
Cumplimiento
Guía de preparación para el artículo 12 de la Ley de IA de la UE (EU AI Act)
Qué exigen realmente en lo operativo las obligaciones de mantenimiento de registros y supervisión humana desde agosto de 2026 — y la evidencia que un auditor le pedirá producir.
Lectura de 9 min
Leer la guía →Gobernanza
La adopción de agentes va más rápido que su supervisión
Un estudio de Splunk con 2.050 encuestados concluye que la mayoría de los equipos comprueba que sus agentes de IA trabajan más rápido, pero más de un tercio no sabe decir quién es responsable de vigilarlos. La velocidad sin un responsable no es un resultado. Es una exposición a la espera de un incidente.
5 min de lectura
Leer el análisis →Gobernanza
Cuando el agente que llama a su puerta no dice quién lo envía
Arkose Labs ha ampliado su Agent Trust Manager para clasificar y vigilar el tráfico de agentes de IA en cada paso del recorrido del cliente. El movimiento responde a un problema que la mayoría de las empresas aún no ha medido: agentes que simplemente no dicen qué son.
5 min de lectura
Leer el análisis →