Las adquisiciones de Fiddler AI y Dreadnode apuntan a cerrar la brecha entre agentes autónomos con credenciales válidas y decisiones auditables
CrowdStrike anunció la firma de acuerdos para adquirir Fiddler AI y Dreadnode, dos empresas especializadas en seguridad para sistemas de inteligencia artificial, durante su conferencia Fal.Con Europe en Barcelona. Según reportó Wall Street Journal, el precio de Fiddler fue USD 400 millones y el de Dreadnode USD 95 millones. Los pagos se realizarán principalmente en efectivo, con una porción en acciones de CrowdStrike distribuidas en el tiempo según se cumplan condiciones. Ambas transacciones están sujetas a aprobaciones estándar y se espera que cierren en el cuarto trimestre del año fiscal 2027 de la empresa, cuando también se prevé la disponibilidad general de los productos integrados.
El problema que los agentes de IA crean para la seguridad tradicional
Las adquisiciones responden a una brecha que se amplió con la adopción de agentes de IA en entornos corporativos: estos sistemas pueden tener credenciales válidas y herramientas aprobadas, pero aun así tomar decisiones incorrectas, ignorar instrucciones o reportar trabajo que nunca completaron. Las pruebas de seguridad tradicionales, diseñadas para código que se comporta de manera predecible, no alcanzan la capa del modelo ni el proceso de razonamiento del agente.
Fiddler AI se especializará en observabilidad y explicabilidad de agentes de IA, y será rebautizado como Falcon Observe dentro de la plataforma Falcon de CrowdStrike. Su tecnología funciona después del despliegue: evalúa agentes antes de que lleguen a producción, rastrea decisiones y razonamiento a través de sistemas de agentes, marca comportamientos que se desvían de lo esperado y respuestas inventadas, y crea registros utilizables en auditorías. Opera con frameworks de agentes comunes como LangGraph, Amazon Bedrock y Google ADK.
Cómo Dreadnode anticipa fallas antes de que los agentes entren en operación
Dreadnode trabaja en una etapa más temprana del ciclo. Su plataforma ejecuta más de cien métodos de ataque conocidos —incluyendo jailbreaks e inyección de prompts— contra modelos y sistemas de agentes. Clasifica los problemas por severidad y los mapea a estándares de seguridad ampliamente utilizados, como el OWASP Top 10 para modelos de lenguaje grande y el NIST AI Risk Management Framework. El CEO de Dreadnode, Brad Palm, indicó que su empresa se construyó sobre la idea de que las personas mejor equipadas para encontrar esas fallas piensan como atacantes.
La integración de ambas tecnologías en la plataforma Falcon busca cubrir el ciclo completo: pruebas automatizadas antes del despliegue con Dreadnode, y monitoreo continuo con trazabilidad de decisiones mediante Fiddler una vez que los agentes están en operación. CrowdStrike también introdujo el AI Kill Switch, un control que permite detener cualquier agente de IA en tiempo de ejecución. El CEO y fundador de CrowdStrike, George Kurtz, describió a Fiddler como la caja negra de cada agente, señalando que cuando un regulador o un directorio pregunta qué hizo un agente, decir que el modelo lo hizo no es una respuesta.
Por qué la capacidad de detener un agente habilita su uso más amplio
Kurtz argumentó que la capacidad de detener un agente es lo que permite a las empresas ejecutar más agentes: cuanto más segura esté una compañía de que puede detener cualquier agente, más agentes puede poner a trabajar. El ejecutivo enmarcó el cambio como un movimiento de la seguridad a la seguridad operacional (safety): durante décadas, seguridad significó mantener al adversario afuera; la seguridad operacional es la oportunidad más grande, permitir que la IA funcione a velocidad completa dentro del negocio, con un humano en control. El AI Kill Switch vive fuera del modelo, en tiempo de ejecución, donde un agente no puede discutirlo, reescribirlo o esperarlo.
En América Latina, donde sectores como banca y telecomunicaciones están comenzando a desplegar agentes de IA para atención al cliente y análisis de fraude, la ausencia de capacidades de auditoría y detención representa un riesgo de cumplimiento regulatorio concreto. Brasil, con su Ley General de Protección de Datos Personales (LGPD) que exige explicabilidad en decisiones automatizadas, y México, donde la regulación financiera requiere trazabilidad de operaciones, enfrentan el mismo problema que Kurtz describió: un agente con credenciales válidas que toma una decisión incorrecta no puede justificarse con «el modelo lo hizo». La integración de herramientas como Fiddler y Dreadnode en plataformas de seguridad corporativa podría volverse un requisito de facto para cumplir con marcos regulatorios que exigen transparencia en sistemas automatizados.
Nuestro análisis
Las adquisiciones marcan un cambio en cómo se aborda la seguridad de IA: de proteger modelos como activos estáticos a auditar agentes como actores con capacidad de decisión. El precio combinado de USD 495 millones refleja la urgencia de cerrar una brecha que las herramientas tradicionales de seguridad no cubren. Lo que distingue este movimiento de otras adquisiciones en el espacio de IA es el enfoque en el ciclo completo: pruebas adversariales antes del despliegue, observabilidad durante la operación, y un mecanismo de detención que no depende del modelo. El AI Kill Switch es particularmente relevante porque reconoce que un agente con acceso a sistemas críticos no puede ser tratado como software convencional que simplemente se apaga cuando falla.
Lo que todavía no está claro es cómo se integrará la trazabilidad de decisiones de Fiddler con los sistemas de gestión de identidad y acceso existentes en entornos corporativos, especialmente en organizaciones que operan bajo múltiples jurisdicciones regulatorias. La disponibilidad prevista para el cuarto trimestre del año fiscal 2027 de CrowdStrike deja tiempo para que competidores desarrollen capacidades similares, pero también sugiere que la empresa está apostando a que la demanda de auditoría y control de agentes de IA se volverá un requisito estándar antes de que esos productos lleguen al mercado. ¿Qué pasará cuando un agente de IA tome una decisión que cumpla con todas las políticas técnicas pero viole una norma regulatoria que no estaba codificada en las pruebas de Dreadnode?