Un sistema multi-agente con sandbox de zero-egress y validación en dos capas busca automatizar la remediación de vulnerabilidades al mismo ritmo que los modelos de IA las descubren — sin romper producción.
Las empresas tardan entre 32 y 43 días en parchear una vulnerabilidad, pero el tiempo medio para explotarla es de 10 horas. Esa asimetría — detectar rápido, remediar lento — es el problema central que enfrenta la seguridad corporativa en 2026. Pruebas recientes en CyberGym demostraron que los modelos de IA frontier logran una precisión del 95 por ciento en el descubrimiento de bugs complejos de secuencia de eventos, pero más del 98 por ciento de las veces se niegan a ejecutar prompts de remediación porque sus guardrails internos malclasifican entre el 76 y el 99 por ciento del código directo que involucra vulnerabilidades como falsos positivos. Cuando intentan parchear, el 55 por ciento de los parches corrige el problema primario pero pierde un punto secundario, y el 40 por ciento rompe código de producción. La detección funciona. La remediación, no.
Por qué el triaje manual ya no alcanza cuando los atacantes encadenan fallas de severidad media
Los modelos tradicionales de seguridad clasifican vulnerabilidades por severidad y las procesan manualmente, lo que genera colas de semanas o meses. Pero los atacantes avanzados encadenan fallas de severidad baja o media — que por diseño vuelan bajo el radar — para construir un exploit de severidad alta. Un cross-site scripting, un secuestro de cookie de sesión y una fuga de base de datos son, por separado, incidentes de severidad media. Encadenados, el script da un punto de entrada al navegador que el atacante usa para secuestrar la cookie, autenticarse como usuario legítimo y acceder a la base de datos con lectura completa de datos de producción.
El problema no es solo la velocidad del triaje. Es que el triaje por severidad individual ignora el riesgo combinatorio. Los modelos frontier detectan esas cadenas con alta precisión, pero no pueden cerrarlas sin intervención humana porque sus propios controles de seguridad bloquean la ejecución de código de remediación. Esa tensión — detección devastadoramente precisa, remediación bloqueada por diseño — es lo que mantiene la brecha de 32 días abierta.
El sistema de cinco etapas que separa la orquestación multi-agente del prompting directo
La propuesta para cerrar esa brecha no es un modelo más grande ni un prompt mejor. Es un sistema integrado que combina orquestación multi-agente, inyección de contexto, validación en sandbox y reparación iterativa. El harness tiene cinco etapas: reconocimiento, modelado de amenazas, hunter, validación y remediación. Cada etapa está gobernada por políticas de gestión de identidad y acceso (IAM) y por Cedar, un motor de políticas de grano fino. El sistema comprime señales en acciones controladas por IAM, no en llamadas crudas a un modelo.
El sandbox es una microVM de zero-egress sin acceso a internet ni rol IAM, que arranca limpia en cada invocación. La validación ocurre en dos capas: análisis estático (L1) y pruebas dinámicas de seguridad (L2) dentro del sandbox. El sistema no cierra un issue hasta que tiene prueba de trigger. Tres agentes modelados sobre roles de seguridad reales operan en estado compartido: el agente de priorización piensa como un analista de threat intel, recorre el grafo de contexto, puntúa proximidad a activos críticos y evalúa impacto de negocio. El agente de validación piensa como un operador de red team, mapea rutas de ataque, evalúa radio de explosión y entrega una respuesta de tres valores: explotable, no concluyente o no explotable. El agente de remediación piensa como un ingeniero de seguridad, parchea desde un exploit probado, corrige un patrón completo y entrega un test suite junto con el pull request.
Cómo el contexto de infraestructura llevó la precisión del 65 al 95 por ciento en las pruebas de CyberGym
En las pruebas de CyberGym, la precisión de un modelo de lenguaje genérico sin contexto fue del 65 por ciento. Agregar contexto de infraestructura la subió al 90 por ciento. Agregar contexto de negocio la llevó al 95 por ciento. Ese contexto proviene de cinco pilares: verificación formal de cada ruta para determinar alcance de red, razonamiento automatizado sobre políticas IAM que prueba matemáticamente si una política otorga acceso no intencionado, bloqueo por defecto de acceso público a la nube, inventario en tiempo real de cada recurso y cambio de configuración, y prueba matemática de corrección de seguridad desplegada a escala.
El multiplicador de precisión no está en el modelo. Está en alimentar al sistema con contexto específico de infraestructura, aplicación y negocio. Eso es lo que permite al agente de priorización distinguir entre una falla en un servicio interno de desarrollo y una falla en un endpoint de autenticación que procesa datos de clientes. Sin ese contexto, el sistema trata todas las vulnerabilidades como iguales. Con él, puede mapear proximidad a activos críticos y priorizar en función de impacto real.
La exposición estructural de América Latina por dependencia de proveedores cloud sin políticas IAM verificadas
La brecha de 32 días no es un problema exclusivo de empresas con equipos de seguridad pequeños. Es un problema de arquitectura. En América Latina, donde la adopción de cloud creció aceleradamente en los últimos tres años sin maduración equivalente en gobernanza de IAM, la exposición es estructural. Empresas en Brasil y México que migraron cargas críticas a proveedores cloud sin implementar verificación formal de políticas IAM quedan expuestas al mismo patrón: vulnerabilidades de severidad media que, encadenadas, permiten escalada de privilegios y acceso a datos de producción. La dependencia de proveedores cloud sin controles de acceso verificados matemáticamente amplifica el riesgo combinatorio que los atacantes explotan en 10 horas mientras las empresas esperan semanas para parchear.
Nuestro análisis
Este caso revela un patrón que ya vimos en la adopción de herramientas de análisis estático de código: la precisión en detección no garantiza efectividad en remediación. Los modelos frontier detectan vulnerabilidades complejas con una tasa del 95 por ciento, pero sus propios guardrails los bloquean para ejecutar código de remediación porque no distinguen entre código malicioso y código de parche. Esa contradicción — detectar con precisión, remediar con bloqueo — es lo que mantiene la asimetría de 32 días contra 10 horas. La propuesta de un sistema multi-agente con sandbox de zero-egress y validación en dos capas no es nueva en concepto: es la aplicación de principios de red team automatizado con controles de IAM y Cedar. Lo que falta documentar es si ese sistema puede operar a escala de miles de repositorios sin generar falsos positivos que saturen las colas de revisión humana, y si las empresas en América Latina — donde la madurez en gobernanza de IAM es desigual — pueden implementar los cinco pilares de contexto que llevaron la precisión del 65 al 95 por ciento en las pruebas de CyberGym.
¿Qué pasaría si la brecha de 32 días se cierra pero las empresas no tienen la capacidad de validar que los parches automatizados no rompieron producción?