Imagen generada por IALa mayoría de las empresas de seguridad ya sabe encontrar vulnerabilidades. Lo que sigue sin estar resuelto es bastante menos glamuroso: conseguir que alguien las arregle antes de que el atacante llegue primero.
Ese es el problema que Cohere intenta comprar. El proveedor canadiense de inteligencia artificial ha anunciado sus planes para adquirir Aisle, una startup checa fundada en 2024 y especializada en descubrir y remediar vulnerabilidades mediante IA. La operación, comunicada el 16 de octubre de 2026, todavía aparece como una adquisición prevista, no como una transacción cerrada con todos sus detalles financieros publicados.
Aisle emplea a unas 50 personas y está dirigida por Ondrej Vlcek, antiguo consejero delegado de Avast. Su directora de operaciones y CISO, Jaya Baloo, ha planteado una tesis que va mucho más allá del producto: la información sobre las debilidades internas de una organización es probablemente uno de los activos más sensibles que puede salir hacia un proveedor externo.
Por eso la operación tiene dos lecturas. La primera es comercial: Cohere obtiene capacidades de ciberseguridad para integrarlas con sus modelos y su infraestructura. La segunda es estratégica: la empresa intenta ofrecer una IA que pueda desplegarse cerca del cliente, admitir modelos distintos y operar con más controles de residencia, disponibilidad y versión. En Europa, donde soberanía digital se ha convertido en una palabra capaz de justificar casi cualquier presentación de PowerPoint, esa segunda lectura es la más interesante.
La seguridad de aplicaciones lleva años acumulando herramientas para generar hallazgos. Escáneres SAST y DAST, análisis de composición de software, plataformas de gestión de exposición, bug bounty, inteligencia de amenazas y servicios de pentesting producen más información de la que los equipos pueden procesar.
El resultado es un inventario creciente de vulnerabilidades conocidas, duplicadas, mal priorizadas o técnicamente difíciles de corregir. Un hallazgo de alta severidad puede requerir actualizar una dependencia, modificar una función, rehacer pruebas de regresión, obtener aprobación del propietario del servicio y desplegar el cambio sin interrumpir un sistema crítico. La IA puede acelerar parte de ese trabajo, pero no elimina las consecuencias de una mala reparación.
Aisle ha construido su propuesta alrededor de esa última milla. La compañía trabaja en capacidades para localizar vulnerabilidades y proponer o ejecutar correcciones, con el objetivo de que la salida no sea otro informe sino un cambio verificable en el código, la configuración o la cadena de suministro. La diferencia parece semántica hasta que un CISO intenta explicar al comité de riesgos por qué el backlog ha pasado de 10.000 a 30.000 hallazgos después de comprar una herramienta mejor.
Baloo lo resumió en la entrevista con Bank Info Security: las organizaciones ya tenían vulnerabilidades pendientes antes de que llegara la IA; el problema era arreglarlas. Esa observación es menos futurista que muchas promesas del mercado, pero probablemente más útil. La automatización que solo aumenta el volumen de detección no mejora necesariamente el riesgo. Incluso puede empeorarlo si distrae a los equipos de los activos explotables y convierte la priorización en una competición de colores rojos.
Detectar una vulnerabilidad y corregirla son acciones con perfiles de riesgo diferentes. Para detectar basta, en algunos casos, con una señal suficientemente fiable. Para remediar hay que demostrar que el cambio no introduce una regresión, no rompe una dependencia, no modifica indebidamente una lógica de negocio y no deja intacta la ruta de explotación.
En un entorno regulado, la pregunta no será únicamente si el modelo acertó. Será quién autorizó el cambio, qué versión del modelo lo propuso, qué datos utilizó, qué pruebas se ejecutaron, quién podía revertirlo y qué evidencia queda de todo el proceso. Un sistema que abre automáticamente una pull request puede ser una mejora operativa. Uno que despliega directamente en producción sin límites de autonomía es otra cosa, especialmente en pagos, banca, seguros o infraestructuras críticas.
El producto de Aisle que está en desarrollo, un package firewall para identificar y bloquear paquetes maliciosos durante la integración y entrega continua, se encuentra todavía en pruebas con socios de diseño. La propia fuente no ofrece resultados públicos que permitan verificar cuánto mejora la detección de vulnerabilidades reales, cuántos falsos positivos genera o qué tasa de remediación consigue. Conviene mantener esa cautela: la adquisición puede aportar ingeniería, modelos y capacidad de escala, pero no convierte una afirmación en una métrica validada.
Cohere no está comprando únicamente una función de seguridad. Está incorporando una empresa cuyo producto necesita observar el punto más delicado de la arquitectura de un cliente: su código, sus dependencias, sus configuraciones y sus rutas de despliegue.
La información sobre una vulnerabilidad no es un dato técnico neutro. Puede revelar qué aplicaciones utiliza una entidad, qué componentes no ha actualizado, dónde están sus controles débiles y qué sistemas podrían ofrecer una vía de entrada. En el caso de una entidad financiera, esos datos pueden mapear indirectamente procesos de pago, sistemas de autenticación o proveedores críticos. La decisión de enviar ese material a un servicio de IA no se parece a activar un asistente para redactar correos.
Aisle afirma que sus clientes piden varias modalidades: bring your own cloud, despliegue on-premise, entornos air-gapped, elección de modelo y control sobre la localidad de los datos. También quiere mantener el benchmarking de modelos de otros proveedores y continuar dando soporte a modelos elegidos por el cliente, aunque la integración con Cohere será más profunda cuando se utilicen modelos de pesos abiertos.
Ahí está la tensión central de la operación. Una adquisición debería proporcionar a Aisle acceso a modelos propios, capacidad de ingeniería y conocimiento interno del stack de Cohere. Pero cuanto más integrada esté la herramienta con la plataforma adquirente, más importante será demostrar que el cliente no queda atrapado en ella. La promesa de independencia del modelo tiene que sobrevivir al incentivo comercial de favorecer el modelo del grupo. No es un detalle de marketing: afecta a la portabilidad, al poder de negociación y a la concentración de riesgo.
La conversación europea suele reducir la soberanía digital a la residencia de los datos. Es una condición relevante, pero insuficiente. Un dato puede permanecer en un centro de datos europeo y seguir dependiendo de una cadena de control, soporte, claves, actualizaciones y decisiones corporativas localizada fuera del alcance operativo del cliente.
La definición más útil para un responsable de seguridad incluye al menos cinco preguntas:
La pregunta de Baloo —si basta con tener una pequeña parte de una gran nube y dejar los datos dentro de una jurisdicción— señala justamente ese problema. La soberanía es una propiedad de la cadena de control, no una pegatina geográfica.
Para una empresa europea, la diferencia importa también por la gestión de transferencias internacionales. El RGPD no prohíbe contratar proveedores de IA extranjeros, pero obliga a analizar la base jurídica, las garantías de transferencia y el acceso potencial a datos personales. El artículo 28 del RGPD exige que el encargado ofrezca garantías suficientes y que el contrato regule, entre otros elementos, instrucciones, confidencialidad, seguridad, subcontratación y asistencia al responsable. El artículo 32 obliga a aplicar medidas técnicas y organizativas adecuadas al riesgo; el artículo 33 fija, cuando procede, la notificación de una violación de datos personales a la autoridad de control en un plazo de 72 horas.
En una plataforma de remediación, el problema no es solo si hay nombres o identificadores personales. El código fuente puede contener datos personales, secretos, tokens, trazas de usuarios o información que permita inferir actividades de personas. La clasificación automática como “datos puramente técnicos” sería una apuesta bastante mala para una auditoría.
La noticia no está dirigida exclusivamente a bancos, pero el sector financiero europeo es uno de los compradores naturales de este tipo de tecnología. DORA es aplicable desde el 17 de enero de 2025 y convierte la resiliencia operativa digital en una disciplina supervisada, no en una promesa del área de tecnología.
El artículo 5 de DORA sitúa al órgano de dirección como responsable último del marco de gestión del riesgo TIC. Eso tiene una consecuencia práctica para la remediación autónoma: la aprobación de una herramienta no puede quedarse en el equipo de desarrollo o en el CISO si la herramienta tiene capacidad para modificar software crítico. El consejo no necesita revisar cada pull request, pero sí debe entender el alcance de la autonomía, los controles de aprobación, los límites de despliegue y las dependencias del proveedor.
El artículo 6 exige un marco de gestión del riesgo TIC documentado. En ese marco, una plataforma de IA que analiza código y propone cambios debería aparecer como un control con finalidad, alcance, propietario, entradas, salidas, límites y pruebas periódicas. La pregunta no es si la herramienta usa IA. La pregunta es qué riesgo reduce y qué riesgo nuevo introduce.
El artículo 11 exige prevenir y detectar incidentes, y el artículo 12 reclama mecanismos de detección rápida. Una herramienta que bloquea paquetes maliciosos en CI/CD puede encajar como medida preventiva, pero solo si la entidad puede demostrar cómo se clasifican las alertas, cómo se gestionan los falsos positivos y qué procedimiento existe cuando el mecanismo bloquea una dependencia legítima antes de una liberación crítica.
DORA también regula las pruebas de resiliencia operativa digital. El artículo 26 establece las pruebas avanzadas mediante threat-led penetration testing para las entidades obligadas, con una periodicidad que puede llegar a tres años según el tipo de entidad y los criterios aplicables. Una plataforma de remediación no sustituye un TLPT, un pentest ni una prueba de continuidad. Puede aportar evidencias o acelerar la corrección de hallazgos, pero confundir automatización de vulnerabilidades con pruebas de resiliencia sería mezclar el diagnóstico con la capacidad de sobrevivir a un fallo.
La parte más directa está en el capítulo sobre terceros TIC. El artículo 28 exige que las entidades gestionen el riesgo de terceros TIC como parte integral de su marco de riesgo. El artículo 30 recoge elementos contractuales esenciales, incluidos los niveles de servicio, la asistencia, los derechos de auditoría y acceso a información, la cooperación con autoridades y las condiciones de terminación. Si Aisle se integra con Cohere, el cliente tendrá que reevaluar no solo el nombre del proveedor, sino el mapa real de subcontratistas, regiones, modelos, repositorios, sistemas de soporte y rutas de acceso privilegiado.
La concentración es especialmente relevante. DORA permite a las autoridades designar proveedores TIC críticos y someterlos a supervisión directa cuando cumplan los criterios aplicables. Esa supervisión no elimina la responsabilidad de la entidad financiera: el artículo 28 deja claro que la entidad sigue siendo responsable del cumplimiento de sus obligaciones aunque utilice servicios de terceros. Comprar una herramienta porque “el proveedor está especializado” no transfiere el riesgo regulatorio; como mucho, transfiere parte de la ejecución.
El Reglamento de Inteligencia Artificial de la Unión Europea, Reglamento (UE) 2024/1689, no convierte toda herramienta de seguridad basada en IA en un sistema de alto riesgo. La clasificación depende de su finalidad y del caso de uso. Una plataforma que ayuda a remediar vulnerabilidades en software empresarial no entra automáticamente en la categoría de alto riesgo solo por utilizar un modelo avanzado.
Eso no significa que el proveedor pueda tratarla como una caja negra sin obligaciones. El artículo 9 del AI Act, cuando resulta aplicable a sistemas de alto riesgo, exige un sistema de gestión de riesgos durante todo el ciclo de vida. El artículo 10 se ocupa de la gobernanza de datos; el artículo 12, de los registros y logs; el artículo 13, de la transparencia y la información a los responsables del despliegue; y el artículo 15, de la precisión, robustez y ciberseguridad.
Incluso cuando el sistema no sea de alto riesgo, esos artículos ofrecen un catálogo útil para evaluar una herramienta que toma decisiones sobre código. ¿Se registran las entradas y salidas? ¿Se conserva el modelo utilizado? ¿Puede reproducirse por qué se propuso un cambio? ¿Existe protección frente a prompt injection en repositorios o tickets? ¿Qué ocurre si un atacante introduce instrucciones maliciosas en un comentario de código para manipular al agente?
El AI Act también introduce obligaciones para proveedores de modelos de propósito general en sus artículos 51 a 56, mientras que el artículo 113 fija el calendario de aplicación del Reglamento. A fecha de octubre de 2026, las organizaciones no deberían diseñar contratos como si el calendario empezara en el futuro: varias obligaciones ya son aplicables y los proveedores están operando en un entorno de documentación, evaluación y transparencia mucho más exigente que el de hace dos años.
La conexión con el AI Act es, por tanto, indirecta pero operativa. Un banco que despliegue la solución tendrá que determinar su papel —proveedor, implementador o usuario de un sistema ajeno—, documentar el caso de uso y conservar la evidencia necesaria para explicar las decisiones automatizadas relevantes. El hecho de que el objetivo sea “arreglar seguridad” no concede una exención general. La IA también puede ser el nuevo camino de ataque.
La reparación automática se vende como una forma de reducir el tiempo de exposición. Correcto. Pero una modificación mal validada puede causar una interrupción de servicio, una pérdida de integridad o un incidente de disponibilidad con más impacto que la vulnerabilidad original.
En una aplicación financiera, actualizar una librería criptográfica o cambiar una política de autenticación puede afectar a integraciones con proveedores, procesos batch y controles antifraude. En una plataforma sanitaria, una dependencia aparentemente menor puede dejar fuera de servicio una interfaz clínica. En una aseguradora, un cambio en el motor de tarificación puede no producir un fallo visible hasta que se emitan pólizas.
Por eso el diseño sensato no empieza por la pregunta “¿puede la IA hacer el cambio?”. Empieza por “¿en qué clases de cambio puede hacerlo y con qué pruebas?”. Un modelo puede tener autonomía para actualizar una dependencia no crítica en un entorno aislado y únicamente proponer cambios para un componente de autenticación. Los permisos no deberían derivarse de la confianza genérica en el proveedor, sino de la criticidad del activo y de la reversibilidad del cambio.
La organización debería exigir al menos una separación entre análisis, propuesta, aprobación y despliegue cuando el componente afecte a servicios críticos. También debería imponer límites de privilegio, revisiones de código, pruebas automatizadas, canary releases, rollback verificable y bloqueo ante cambios que afecten a secretos, controles de acceso, pagos o datos regulados. Si el agente no puede explicar la dependencia que pretende actualizar, no está remediando: está improvisando con credenciales.
El package firewall de Aisle apunta a un problema conocido: los paquetes de terceros son una vía frecuente para introducir código malicioso o vulnerable en la cadena de suministro. El valor de la herramienta dependerá de si puede distinguir entre una vulnerabilidad explotable, una versión abandonada, un paquete legítimo comprometido y una dependencia innecesaria. Bloquear todo lo dudoso es sencillo; mantener operativa una cadena de suministro sin aceptar riesgos ciegamente es el trabajo difícil.
La Directiva NIS2, en su artículo 21, exige medidas de gestión de riesgos de ciberseguridad que incluyan, entre otros elementos, seguridad de la cadena de suministro, gestión de vulnerabilidades, uso de criptografía, control de accesos y evaluación de la eficacia de las medidas. Para las entidades dentro de su ámbito, una herramienta de control de paquetes puede ser una pieza útil de ese programa. No sustituye el programa.
La NIS2 también obliga a notificar incidentes significativos en fases sucesivas: alerta temprana en 24 horas, notificación del incidente en 72 horas y un informe final, conforme al artículo 23 y al régimen nacional de transposición aplicable. Una plataforma que genere o bloquee cambios debe integrarse con la respuesta a incidentes. Si un agente actualiza una dependencia y después aparece una interrupción, la entidad necesita reconstruir qué ocurrió, qué versión decidió utilizar el sistema y quién autorizó el cambio.
El Cyber Resilience Act añade otra capa para los productos con elementos digitales. El Reglamento (UE) 2024/2847 establece obligaciones de ciberseguridad durante el ciclo de vida de los productos y fija el 11 de septiembre de 2026 como fecha de aplicación de determinadas obligaciones de notificación de vulnerabilidades e incidentes, mientras que la aplicación general llega el 11 de diciembre de 2027. No todos los servicios descritos en esta operación serán automáticamente productos sujetos al CRA, pero los proveedores que comercialicen software con elementos digitales tendrán que analizarlo con precisión. La palabra “plataforma” no resuelve la clasificación jurídica.
La adquisición de Aisle no obliga a ningún cliente a cambiar de proveedor. Sí ofrece una oportunidad para revisar cómo se compran soluciones de IA para seguridad. Un proceso de evaluación serio debería abandonar la pregunta genérica sobre si el modelo es “seguro” y exigir respuestas verificables sobre el flujo completo.
Primero, hay que dibujar el recorrido de los datos. No solo el código fuente: también prompts, metadatos, logs, resultados de análisis, artefactos de compilación, tickets, secretos detectados accidentalmente y copias de seguridad. La residencia debe documentarse por tipo de dato y por subcontratista, no mediante una frase comercial sobre “nube europea”.
Segundo, hay que fijar la política de entrenamiento. ¿Se utilizan los datos del cliente para entrenar o ajustar modelos? ¿Se conservan para mejorar el servicio? ¿Puede el cliente desactivar esa utilización? ¿Qué sucede con los datos enviados a modelos de terceros cuando se activa el benchmarking? Una respuesta vaga es una respuesta incompleta.
Tercero, hay que evaluar la autonomía. El contrato y la configuración deberían distinguir entre leer, recomendar, abrir una pull request, fusionar cambios, desplegar en entornos no productivos y desplegar en producción. Cada capacidad necesita una identidad, un permiso, un registro y una vía de revocación. La cuenta técnica que puede cambiar dependencias no debería tener también acceso administrativo al repositorio, al pipeline y a la infraestructura sin segmentación.
Cuarto, hay que probar el sistema contra ataques propios de agentes y modelos. Entre ellos están la inyección de instrucciones en código o documentación, la manipulación de repositorios, el envenenamiento de datos de entrenamiento o evaluación, la extracción de información sensible mediante respuestas y el abuso de herramientas conectadas al pipeline. Un producto diseñado para corregir vulnerabilidades es un objetivo atractivo: comprometerlo ofrece una posición privilegiada para introducir cambios “legítimos” en múltiples clientes.
Quinto, hay que exigir portabilidad y salida. El cliente debería poder exportar políticas, resultados, historial de decisiones, evidencias de pruebas y configuraciones en formatos utilizables. También debe conocer el plazo de eliminación de datos al terminar el contrato, la asistencia durante la migración y el procedimiento si el proveedor deja de soportar un modelo o una región. La soberanía que desaparece al cancelar la suscripción era dependencia con un nombre más amable.
Sexto, hay que medir resultados que importen al riesgo. No basta con contar vulnerabilidades detectadas. Conviene seguir el tiempo medio desde el hallazgo hasta la corrección, la tasa de cambios aceptados sin modificación, los falsos positivos, las regresiones, los rollbacks, el porcentaje de activos cubiertos y los casos en que el agente no pudo explicar o reproducir la recomendación. Si la métrica principal es el número de pull requests generadas, el sistema puede optimizarse para producir trabajo, no para reducir exposición.
Aisle dice que continuará comparando modelos de otros proveedores y que atenderá a los clientes allí donde estén. Es una posición comercial razonable, pero la prueba llegará cuando Cohere tenga un modelo que funcione mejor dentro de su propia plataforma y una razón económica para priorizarlo.
Los compradores deberían pedir que el benchmarking sea reproducible y que sus criterios se publiquen o se documenten. “Modelo agnóstico” debería significar que la herramienta puede cambiar de modelo sin reconstruir toda la integración, que los resultados pueden compararse con un conjunto de pruebas estable y que el proveedor informa de los casos en los que su propio modelo rinde peor. La independencia no se demuestra con una lista de logos, sino con la capacidad de operar cuando uno de esos logos deja de estar disponible.
El asunto es especialmente sensible para gobiernos e infraestructuras críticas, dos grupos mencionados por Baloo. En esos entornos, la disponibilidad, la continuidad de suministro y el control sobre las actualizaciones pueden pesar tanto como la precisión del modelo. Un sistema soberano no es el que promete no fallar; es el que permite seguir operando, limitar el daño y cambiar de proveedor cuando falla.
Cohere puede dar a Aisle recursos para acelerar su producto, acceder a modelos de primera parte y profundizar en la optimización de flujos de detección y reparación. Eso puede ser valioso. También puede crear una concentración adicional en una parte crítica del ciclo de desarrollo: el sistema que decide qué código es peligroso y cómo modificarlo.
La paradoja es sencilla. Para remediar vulnerabilidades más rápido, las empresas quieren entregar más contexto y más capacidad de acción a un sistema de IA. Pero cuanto más contexto y capacidad recibe, mayor es el impacto de una fuga, una mala decisión o una intrusión en el propio sistema. La solución no es rechazar la automatización ni entregarle las llaves del edificio. Es diseñar controles que hagan visible el límite entre recomendar y actuar.
La operación también recuerda que la soberanía no se compra únicamente con un modelo de pesos abiertos ni con un despliegue local. Requiere control sobre datos, versiones, permisos, disponibilidad, soporte, auditoría, subcontratación y salida. DORA, el RGPD, NIS2 y el AI Act llegan desde ángulos distintos, pero convergen en la misma exigencia: la entidad debe saber qué hace el proveedor, qué puede hacer el sistema y qué evidencia queda cuando algo sale mal.
La pregunta decisiva para los clientes de Aisle —y para cualquier empresa que evalúe un agente de remediación— no es si la IA encuentra más vulnerabilidades. Es si consigue reducir el riesgo sin convertir el pipeline, el código fuente y la continuidad operativa en rehenes de una caja negra.
Nota editorial
Priorizado con IAResumen semanal gratis
Suscríbete al resumen semanal de regulación, vulnerabilidades explotadas y acciones para tu equipo.
¿Quieres un plan a medida? Modela tu organización con Agentic Digital Twin.
Aporta contexto, plantea una duda o responde a la conversación. Los comentarios son públicos y moderables.
Cargando comentarios…