Imagen generada por IALa seguridad de un centro de datos ya no puede dividirse limpiamente entre red, sistemas, accesos físicos y operación. La expansión de la inteligencia artificial está rompiendo esas fronteras a una velocidad que los modelos tradicionales de protección no están preparados para seguir.
La advertencia procede de /fdata y /fsafe, las unidades de centros de datos y ciberseguridad de fibratel, en declaraciones recogidas por Cybersecurity News ES. Su diagnóstico es sencillo, aunque sus consecuencias no lo sean: un centro de datos que aloja cargas de IA no es únicamente una instalación informática más grande. Es una infraestructura en la que el hardware especializado, la alimentación eléctrica, la refrigeración, el software de orquestación, las redes de alta velocidad, los modelos y los datos forman un único sistema de riesgo.
Si un atacante compromete el plano de gestión de un clúster de GPU, el problema no termina en una cuenta administrativa robada. Puede afectar a modelos, datos de entrenamiento, secretos de acceso, capacidad de cómputo y, en determinados entornos, a otros clientes o cargas aisladas en la misma instalación. La vieja separación entre “seguridad física” y “ciberseguridad” empieza a parecerse a separar el motor y los frenos de un coche para decidir quién responde cuando el vehículo no se detiene.
El asunto no es solo tecnológico. También tiene implicaciones de cumplimiento. El artículo 32 del RGPD exige medidas técnicas y organizativas apropiadas al riesgo; DORA, aplicable desde el 17 de enero de 2025, obliga a las entidades financieras a gestionar la resiliencia operativa y los riesgos de terceros TIC; NIS2 sitúa la gestión de riesgos y la seguridad de la cadena de suministro en su artículo 21. Ninguna de estas normas habla de “seguridad de GPU” como categoría independiente. Todas exigen, en cambio, que la organización entienda y controle el sistema real del que depende.
Durante años, el modelo de protección podía representarse como varias capas relativamente separadas. El equipo de instalaciones controlaba acceso físico, energía y climatización. Redes gestionaba firewalls y segmentación. Sistemas administraba servidores y almacenamiento. Seguridad supervisaba identidades, vulnerabilidades, registros y respuesta a incidentes. La separación tenía sentido cuando las cargas de trabajo eran más homogéneas y el hardware especializado ocupaba un papel secundario.
La IA introduce una arquitectura distinta. Los centros de datos destinados a entrenamiento e inferencia concentran grandes volúmenes de GPU, redes de baja latencia y alto ancho de banda, almacenamiento distribuido y plataformas de orquestación. El rendimiento depende de que todos esos componentes trabajen coordinadamente. También aumenta la densidad energética y térmica, lo que convierte la alimentación y la refrigeración en dependencias de seguridad, no solo de continuidad operativa.
Un fallo en la refrigeración puede degradar o detener una carga de IA. Una modificación no autorizada de la configuración del orquestador puede desviar tareas, exponer datos o dejar sin capacidad a varios equipos. Un acceso físico a una consola de administración, una interfaz de gestión fuera de banda o un dispositivo de red puede ofrecer una ruta que no aparece en el inventario habitual de activos digitales. El riesgo se mueve entre dominios sin pedir permiso al organigrama.
A esto se suma la velocidad de cambio. Las organizaciones incorporan aceleradores, librerías, controladores, plataformas de contenedores y servicios de IA gestionados con ciclos más cortos que los de la infraestructura tradicional. Cada componente añade una superficie de ataque. El problema no consiste únicamente en contar servidores: hay que saber qué software controla cada GPU, qué identidades pueden modificarlo, qué datos atraviesan el clúster y qué ocurre si ese componente deja de estar disponible.
El primer error sería tratar la IA como una aplicación instalada dentro de un centro de datos convencional. Una plataforma de IA suele tener al menos cuatro planos que conviene distinguir.
El plano de datos contiene los conjuntos utilizados para entrenamiento, ajuste o inferencia. Puede incluir información personal, propiedad intelectual, código fuente, registros de clientes o datos sujetos a secreto profesional. El plano de modelo comprende pesos, configuraciones, artefactos de entrenamiento y mecanismos de evaluación. El plano de cómputo incluye GPU, CPU, memoria, almacenamiento y redes de interconexión. Y el plano de control administra identidades, permisos, despliegues, claves, contenedores y políticas.
La seguridad no se rompe necesariamente en el modelo. En muchos casos, el punto débil estará en el control de acceso, una dependencia de software sin actualizar, un repositorio mal configurado o una cuenta de servicio con privilegios excesivos. La fascinación por los ataques sofisticados contra modelos puede distraer de fallos mucho más prosaicos: una credencial reutilizada, un panel expuesto a Internet o un registro que contiene secretos.
El aislamiento entre clientes también merece una revisión. La virtualización y los contenedores permiten compartir infraestructura, pero el aislamiento debe demostrarse, no presumirse. Hay que revisar permisos del orquestador, acceso a volúmenes, redes internas, secretos, imágenes de contenedor y mecanismos de borrado. En instalaciones compartidas, la cuestión no es solo si un cliente puede leer directamente los datos de otro. También importa si puede inferir información mediante consumo de recursos, tiempos de respuesta, registros o configuraciones visibles.
El acceso físico conserva un papel crítico. Los equipos de seguridad digital suelen prestar menos atención a consolas de gestión, puertos de mantenimiento, interfaces de administración de placas y dispositivos de red instalados en jaulas o salas técnicas. Sin embargo, una intrusión física puede permitir manipular firmware, conectar dispositivos no autorizados o extraer información de activos que no están protegidos como un servidor convencional.
En un centro de datos de IA, la disponibilidad depende de algo más que de una conexión redundante y un generador. El consumo energético y la disipación térmica pasan a formar parte de la ecuación de riesgo. Si el sistema de refrigeración funciona mediante controladores conectados a redes de gestión, esos sistemas son activos digitales. Si una modificación de software altera los umbrales térmicos o la secuencia de apagado, puede producir una interrupción física aunque ningún servidor haya sido “hackeado” en el sentido clásico.
Este vínculo obliga a integrar tecnología de la información, tecnología operativa y gestión de instalaciones. Los sistemas de control de edificios, sensores ambientales, unidades de distribución eléctrica y plataformas de monitorización deben inventariarse junto a servidores y aplicaciones. El artículo 21 de NIS2 exige medidas de gestión de riesgos que incluyen seguridad de la cadena de suministro, seguridad en la adquisición y mantenimiento de sistemas y procedimientos de gestión de incidentes. No sería coherente aplicar ese control a la red corporativa y dejar fuera la plataforma que decide si una sala puede seguir funcionando.
La consecuencia práctica es incómoda: el centro de operaciones de seguridad necesita recibir señales de sistemas que antes quedaban fuera de su alcance. No significa enviar cada alarma de temperatura al SIEM sin criterio. Significa definir qué eventos pueden indicar una acción maliciosa o una desviación peligrosa: cambios no autorizados en consignas, pérdida simultánea de sensores, accesos fuera de horario, alteraciones del firmware, desactivación de redundancias o comandos emitidos desde identidades no previstas.
La respuesta debe coordinarse con mantenimiento y operaciones. Un apagado de emergencia puede ser correcto desde el punto de vista térmico y devastador para la disponibilidad de un servicio financiero. Un bloqueo automático puede contener un ataque o impedir una reparación. La seguridad madura no consiste en automatizarlo todo, sino en acordar de antemano qué decisiones puede ejecutar una herramienta y cuáles requieren intervención humana.
En infraestructuras de IA, el plano de control concentra un valor desproporcionado. Desde allí se pueden asignar recursos, desplegar imágenes, modificar políticas, crear cuentas de servicio, acceder a secretos y ordenar movimientos de datos. Un servidor comprometido puede afectar a una carga. Una cuenta privilegiada del orquestador puede afectar a todo el clúster.
La primera medida es separar funciones y reducir privilegios. Las cuentas utilizadas por entrenamiento, inferencia, administración y mantenimiento no deberían compartir permisos ni credenciales. El acceso de emergencia debe ser excepcional, temporal y registrado. Las claves de API y los secretos de conexión tienen que gestionarse mediante un sistema especializado, con rotación y trazabilidad, no mediante variables permanentes repartidas en scripts.
La autenticación multifactor es necesaria, pero no suficiente. También hay que controlar desde dónde se accede, qué dispositivo se utiliza, qué operación se pretende ejecutar y si la solicitud encaja con el comportamiento habitual. Una cuenta válida que inicia un despliegue masivo desde una ubicación inesperada no debería recibir el mismo trato que una operación rutinaria desde un bastión autorizado.
La segmentación debe diseñarse alrededor de los flujos reales. El entorno de entrenamiento no necesita comunicarse libremente con el de producción. Los repositorios de modelos no deberían estar disponibles desde cualquier red de usuario. Las interfaces de administración deben quedar separadas de las rutas de inferencia. El tráfico entre nodos de un clúster merece controles propios, especialmente cuando transporta datos sensibles o artefactos de modelo.
NIST CSF 2.0, publicado en 2024, ofrece una estructura útil para ordenar este trabajo mediante sus funciones Govern, Identify, Protect, Detect, Respond y Recover. La ventaja no está en convertir el marco en una lista ceremonial de controles, sino en usarlo para conectar gobierno, inventario, protección del plano de control, detección y recuperación. Una organización que solo despliega agentes de monitorización, pero no sabe qué modelos deben recuperarse primero, no tiene resiliencia: tiene telemetría.
Proteger la infraestructura no protege automáticamente los modelos. Un modelo puede ser alterado durante el entrenamiento, sustituido durante el despliegue, manipulado mediante una dependencia comprometida o expuesto a través de una interfaz que no aplica límites adecuados. Los datos pueden filtrarse mediante registros, trazas, volcados de memoria, notebooks o herramientas de depuración.
La cadena de custodia del modelo debería incluir, como mínimo, identificación de la versión, origen de los datos, responsables de aprobación, hash o mecanismo equivalente de integridad, resultado de las pruebas y registro del despliegue. No hace falta convertir cada equipo de ciencia de datos en una oficina notarial. Sí hace falta poder responder a preguntas básicas después de un incidente: qué versión estaba activa, con qué datos se entrenó, quién la aprobó, qué cambios recibió y qué sistemas la consumieron.
La procedencia también afecta a la seguridad. Un paquete de software, una imagen de contenedor o un modelo descargado de un repositorio externo puede incorporar vulnerabilidades, código no deseado o condiciones de licencia incompatibles con el uso previsto. El Cyber Resilience Act introduce obligaciones europeas para productos con elementos digitales. Sus obligaciones de notificación de vulnerabilidades explotadas y de incidentes graves comienzan el 11 de septiembre de 2026, mientras que la aplicación general del reglamento está prevista para el 11 de diciembre de 2027. Las organizaciones que compran hardware, firmware o software para sus centros de datos deberían empezar ya a exigir información de vulnerabilidades, soporte y actualizaciones; esperar a diciembre de 2027 para descubrir quién responde por un componente crítico sería una estrategia curiosa.
La seguridad de la cadena de suministro debe cubrir proveedores de GPU, firmware, hipervisores, sistemas operativos, plataformas de orquestación, operadores de centros de datos y servicios gestionados. Para cada dependencia crítica conviene conocer el nivel de acceso, la ubicación de los datos, el tiempo de notificación de incidentes, las condiciones de subcontratación y el procedimiento de salida. El inventario de proveedores no puede limitarse a la empresa que emite la factura: debe llegar hasta los servicios que sostienen la función.
En las entidades financieras europeas, el problema tiene una capa adicional. DORA se aplica desde el 17 de enero de 2025 y exige que la entidad mantenga un marco de gestión del riesgo TIC, mecanismos de detección y respuesta, pruebas de resiliencia y una gestión documentada de terceros. Sus artículos 5 y 6 sitúan la responsabilidad en el órgano de dirección y en el marco de gestión del riesgo TIC; los artículos 9, 10 y 11 desarrollan protección y prevención, detección y respuesta, y recuperación y restauración.
La IA puede estar alojada en un centro propio, en un proveedor de nube, en una plataforma de GPU especializada o en una combinación de los tres. En todos los casos, la entidad debe saber qué función soporta el servicio y qué ocurre si deja de estar disponible. El artículo 28 de DORA exige gestionar el riesgo asociado a terceros proveedores de servicios TIC. Eso afecta tanto al gran proveedor cloud como al suministrador especializado que proporciona capacidad de cómputo, gestión del clúster o una herramienta esencial de observabilidad.
La pregunta operativa no es “¿tenemos un contrato con el proveedor?”. Es “¿podemos demostrar qué controles aplica, qué accesos mantiene, cómo notifica un incidente, cuánto tarda en restaurar el servicio y cómo recuperaríamos los datos y modelos si tuviéramos que salir?”. Un contrato sin evidencias técnicas es, en el mejor de los casos, una declaración de intenciones con membrete.
El RGPD añade otra dimensión. El artículo 32 exige valorar el riesgo y aplicar medidas como cifrado, confidencialidad, integridad, disponibilidad, resiliencia y capacidad de restauración. Si un sistema de IA procesa datos personales, la organización debe revisar también minimización, limitación de finalidad y conservación. El problema no desaparece porque el dato esté en una GPU en lugar de en una base de datos relacional. Tampoco desaparece porque el modelo se describa como “interno”.
El artículo 33 del RGPD mantiene el plazo de 72 horas para notificar determinadas violaciones de seguridad a la autoridad de control, salvo que sea improbable que entrañen un riesgo para los derechos y libertades. Para cumplirlo, hay que detectar y clasificar rápido. Una arquitectura en la que los registros del plano de control, la infraestructura física y la plataforma de IA están aislados sin coordinación puede convertir una intrusión ocurrida el lunes en una discusión forense del jueves.
El AI Act añade obligaciones que dependerán del uso y del tipo de sistema. La mayor parte del reglamento empieza a aplicarse el 2 de agosto de 2026, mientras que las obligaciones para determinados sistemas de IA de alto riesgo integrados en productos regulados tienen un calendario posterior. La seguridad, la supervisión humana, la documentación técnica y la gestión de riesgos no son únicamente asuntos del equipo de modelos. En una organización regulada, deben conectarse con continuidad de negocio, gestión de proveedores, privacidad y respuesta a incidentes.
Un centro de datos preparado para IA necesita observar más que tráfico de red y eventos de autenticación. Hay que correlacionar cambios en el orquestador, despliegues, uso de GPU, accesos físicos, movimientos de datos, actividad de cuentas de servicio, modificaciones de firmware y eventos de alimentación o refrigeración.
Un aumento anómalo del consumo de GPU puede ser una carga legítima, un error de configuración o una operación de minería no autorizada. Una caída de rendimiento puede indicar saturación, fallo de hardware o interferencia deliberada. La desactivación de un sensor puede ser mantenimiento programado o una forma de ocultar una condición peligrosa. Sin contexto operativo, el SOC verá ruido. Con demasiado contexto sin prioridades, verá una pared de alarmas.
La monitorización debe traducirse en casos de uso concretos. Por ejemplo: detectar la creación de una cuenta con privilegios de administración del clúster; alertar cuando una imagen no aprobada llega a producción; identificar transferencias de datos hacia un repositorio no registrado; correlacionar acceso físico con cambios en una consola de gestión; o bloquear una modificación de políticas que elimina registros de auditoría.
La retención de evidencias también requiere criterio. Los registros deben permitir reconstruir quién accedió, qué cambió, qué datos se movieron y qué servicios resultaron afectados. Pero almacenar todo sin clasificación puede crear un problema de privacidad, costes y exposición adicional. El equipo legal, privacidad, seguridad y operaciones debe acordar qué registros son necesarios, durante cuánto tiempo y con qué controles de acceso.
La resiliencia se demuestra durante una recuperación, no durante una presentación comercial. En un entorno de IA, restaurar servidores no basta. Hay que recuperar configuraciones del orquestador, secretos, imágenes, modelos, registros, permisos, conexiones de datos y, si procede, las condiciones físicas de operación.
Las copias de seguridad deben protegerse frente a la misma identidad o red que protege el entorno productivo. Si una cuenta comprometida puede borrar producción y sus copias con el mismo conjunto de credenciales, la organización no tiene una estrategia de recuperación: tiene duplicados vulnerables. Conviene probar copias inmutables o aisladas, restauraciones parciales y procedimientos de reconstrucción desde una base conocida.
Las pruebas deben incluir escenarios realistas. ¿Qué ocurre si el proveedor de GPU no puede entregar capacidad durante varios días? ¿Puede la entidad ejecutar inferencia con un modelo anterior? ¿Se puede revocar una credencial comprometida sin detener todas las cargas? ¿Quién decide que un modelo restaurado es confiable? ¿Cómo se comprueba que los datos no fueron alterados durante el incidente? Estas preguntas obligan a conectar continuidad, ciberseguridad y negocio.
DORA exige pruebas de resiliencia digital y, para determinadas entidades y supuestos, pruebas avanzadas de penetración basadas en amenazas. Aunque no toda plataforma de IA tendrá el mismo tratamiento, el criterio útil es universal: probar las dependencias que podrían impedir prestar una función crítica. El centro de datos debe entrar en el escenario de pruebas como sistema completo, no como una sala que aparece en el plano de instalaciones.
La prioridad no es comprar otra herramienta. Es hacer visible la dependencia.
Primero, hay que construir un inventario que una activos físicos, activos digitales, modelos, datos, identidades, proveedores y funciones de negocio. Cada elemento crítico debería tener propietario, nivel de exposición, dependencia aguas arriba y procedimiento de recuperación. Si el equipo no puede responder qué modelo usa qué datos y en qué infraestructura, todavía no puede evaluar el impacto de una interrupción.
Después toca revisar las rutas de privilegio. Hay que identificar quién puede acceder al plano de control, modificar imágenes, desplegar modelos, cambiar políticas de red, consultar secretos o alterar sistemas de instalaciones. El resultado suele ser menos cómodo que el organigrama: proveedores con accesos permanentes, cuentas técnicas sin propietario y permisos heredados que nadie se atreve a retirar.
La tercera revisión debe centrarse en la segmentación. No basta con decir que existe una red de gestión. Hay que comprobar qué comunicaciones están permitidas, qué identidades pueden cruzar entre entornos, qué interfaces están expuestas y cómo se registra cada operación sensible.
La cuarta es contractual. Para cada proveedor crítico, la entidad debe documentar notificación de incidentes, soporte de vulnerabilidades, subcontratación, acceso remoto, ubicación y recuperación de datos, pruebas, auditoría y salida. DORA art. 28 convierte este trabajo en una responsabilidad de gestión del riesgo, no en una tarea administrativa que se archiva junto al contrato.
Por último, conviene ejecutar una prueba conjunta entre SOC, infraestructura, operaciones de instalaciones, privacidad, continuidad, compras y negocio. El escenario puede ser concreto: compromiso de una cuenta del orquestador, acceso físico no autorizado y sospecha de extracción de datos de entrenamiento. Si cada equipo responde con su propio procedimiento y nadie coordina las decisiones, el ejercicio habrá encontrado el problema correcto.
Hay una objeción razonable. Integrar seguridad física, digital y operativa puede acabar creando una estructura tan amplia que nadie sepa quién decide. También puede llevar a centralizar controles que deben mantenerse separados por razones de seguridad o disponibilidad.
La respuesta no es eliminar la separación, sino gobernarla mejor. Los dominios pueden conservar responsables, herramientas y controles distintos. Lo que no puede seguir separado es la información sobre dependencias, impacto y respuesta. La persona que administra refrigeración no necesita aprobar un cambio de firewall, pero sí debe saber si ese cambio afecta a un sistema de control. El CISO no tiene que operar una subestación eléctrica, pero debe conocer qué eventos podrían detener una función crítica y cómo se recupera.
La arquitectura correcta no es una torre de control omnisciente. Es un modelo de responsabilidades compartidas, interfaces documentadas y señales que pueden cruzarse cuando el riesgo lo exige. Esto requiere más disciplina que comprar una plataforma con la etiqueta “AI security”. También suele producir menos presentaciones vistosas. Es, sin embargo, lo que permite responder cuando el incidente no respeta los límites del departamento.
La advertencia de fibratel llega en un momento en el que muchas organizaciones están acelerando la adopción de IA sin haber terminado de rediseñar sus controles de infraestructura. El riesgo no está en que la tecnología sea intrínsecamente insegura. Está en desplegarla sobre supuestos antiguos: que el centro de datos es un recinto cerrado, que la red interna es confiable, que el hardware no cambia con rapidez o que el modelo puede tratarse como otra aplicación.
Esos supuestos ya no describen un clúster moderno de IA. La seguridad debe cubrir datos, modelos, identidades, cómputo, redes, energía, refrigeración, proveedores y recuperación como partes conectadas de una misma capacidad operativa. El artículo 32 del RGPD, DORA art. 28, NIS2 art. 21, el calendario del AI Act y las obligaciones emergentes del Cyber Resilience Act apuntan, desde ángulos distintos, hacia la misma exigencia: conocer de qué depende el servicio y demostrar que los controles funcionan.
La pregunta decisiva para 2026 no es si una organización ha instalado IA en su centro de datos. Es si podría explicar, con evidencias, qué ocurriría si alguien comprometiera su plano de control, alterase un modelo, interrumpiera la refrigeración o desapareciera un proveedor crítico. Si la respuesta depende de cuatro equipos que no comparten inventario, registros ni un procedimiento de crisis, la arquitectura no es resiliente. Solo está esperando su primera prueba seria.
Nota editorial
Resumen 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…