La inteligencia artificial se está convirtiendo rápidamente en la respuesta predeterminada a casi todos los desafíos de seguridad.Los consejos lo están preguntando.Los CISOs están presupuestando para ello.Los proveedores están rebranding alrededor de él. Pero en la gestión de identidad y acceso (IAM), la IA es sólo tan buena como los datos que le alimentas, y en la mayoría de las empresas, esos datos están lejos de ser completos. Descubrió que las credenciales comprometidas siguen siendo uno de los vectores de ataque inicial más comunes en las violaciones, y que las organizaciones están adoptando cada vez más AI y flujos de trabajo automatizados de detección/respuesta para reducir los costes de violación y el tiempo de permanencia. El coste de IBM de un informe de violación de datos El coste de IBM de un informe de violación de datos Y sin embargo, muchas organizaciones están corriendo para “activar AI” IAM sin establecer primero una fuente confiable, continuamente actualizada de la verdad de la identidad. “Yo soy anti-nonsense.Si no sabes lo que es verdadero y confiable en tu entorno, la IA no lo arreglará. Yossi Barishev Yossi Barishev ¿Por qué es urgente ahora La IA en 2026 ya no es sólo el resumen de los dashboards, sino que está tomando medidas, aprobando solicitudes, revocando el acceso, desencadenando flujos de trabajo y aplicando cambios de políticas a través de sistemas. Este cambio cambia la ecuación del riesgo. Cuando los humanos toman decisiones de identidad manualmente, la fragmentación de datos crea retraso y fricción. Cuando los sistemas de IA toman o influyen gravemente en esas decisiones, la fragmentación de datos crea consecuencias amplificadas. AI acelera las decisiones. Si los datos subyacentes son incompletos, desactualizados o carecen de contexto, el sistema no sólo se mueve más rápido. Se mueve más rápido en la dirección equivocada. La realidad fragmentada detrás del acceso En la mayoría de las empresas, no existe un sistema único de registro de identidades y acceso. Los datos de autenticación viven en múltiples plataformas. Gestión del ciclo de vida en otro. Credenciales privilegiadas en otro lugar. Registros de recursos humanos en un sistema separado. Solicitudes de acceso en boletos. A menudo se incorporan derechos dentro de las propias aplicaciones, especialmente en las heredadas y las creadas en casa. Cada sistema contiene un fragmento de la realidad. Ninguno contiene suficiente información para ser realmente actuable. “Los equipos están ajustando manualmente la realidad”, dice Barishev. “Al momento de reconciliar los registros de recursos humanos, los datos de directorios, el acceso privilegiado y los datos de la propia aplicación, la respuesta a menudo ya está desactualizada”. El resultado es una imagen de identidad que siempre es incompleta, a menudo desactualizada, y siempre es intensiva en recursos. La prueba de Litmus Hay una pregunta simple que revela si la verdad de la identidad existe: ¿puedes responder ahora qué identidades tienen acceso a qué, y por qué? No después de exportar y correlacionar datos de 10 sistemas diferentes. No después de ejecutar una campaña de revisión de acceso de usuario de un mes. Esta pregunta no sólo importa durante las auditorías, cuando los reguladores esperan pruebas precisas. También es importante durante la respuesta a incidentes, cuando el radio de explosión de una identidad determina la estrategia de contención. Es importante en los flujos de trabajo joiner-mover-leaver, donde las políticas se basan en una comprensión profunda de las subvenciones de derecho. Es importante durante los M&A, cuando dos universos de identidad chocan. Y es importante en las operaciones diarias - cuando los equipos realizan actividades de higiene, manejan solicitudes de acceso, y se desprenden en el trabajo diario de IAM. Si la respuesta requiere la reconciliación manual de varios sistemas dispares, su fundación es débil. No necesitas otro dashboard Muchas organizaciones apuntan a los dashboards como prueba de visibilidad. pero más a menudo que no, es teatro de visibilidad. Los dashboards son sistemas de descarga de basura. Mientras sus datos de identidad carezcan de contexto, explicabilidad y claridad en las relaciones entre identidades, aplicaciones y controles, lograr la objetividad es difícil. Sin invertir en una base de datos sólida para las operaciones de IAM, los equipos dudarán en actuar. Lo que realmente requiere la identidad AI-Ready La identidad AI-ready & Automation-ready comienza con la verdad continua, no snapshots trimestrales. Requiere derechos normalizados cuyo significado viaja con ellos a través de sistemas. Requiere un “por qué” defensible para el acceso que va más allá del teatro de la caja de verificación. Y requiere acción segura, comprensión del impacto antes de hacer cambios. Sólo cuando los datos de identidad son actuales, contextualizados y explicables, la IA puede priorizar de manera fiable el riesgo o automatizar la reparación. Comienza con la verdad, luego con la automatización Esto no requiere un gran programa de transformación. Seleccione un único punto de inflexión: la incorporación de la aplicación, las revisiones de acceso, la incorporación fuera de la plataforma, la higiene de la identidad o la respuesta a incidentes. Define una métrica simple: Toma el tiempo para comprender — cuánto tiempo tarda el practicante en tener todos los datos que necesita para que la ejecución se convierta en arbitraria. Priorice — los sistemas críticos primero, especialmente las plataformas heredadas o de alto riesgo donde los puntos ciegos son los más grandes. Luego, y sólo entonces, la automatización de las capas y la IA como el último kilómetro: automatizar los flujos de trabajo, priorizar las anomalías, destacar combinaciones de riesgo o simplificar las aprobaciones. La IAM puede reducir el ruido, las decisiones de velocidad y aumentar los equipos sobrecargados.Pero si la imagen de acceso subyacente es parcial, la IA aumenta la velocidad, no la certeza. Obtenga la verdad de la identidad primero y luego deje que la IA te ayude a moverse más rápido. 
 
 Esta historia fue distribuida como un lanzamiento por Jon Stojan bajo HackerNoon's Business Blogging Program. Esta historia fue distribuida como un lanzamiento por Jon Stojan bajo HackerNoon's Business Blogging Program.

The is an opinion piece based on the author’s POV and does not necessarily reflect the views of HackerNoon.

Este audio es producido en el idioma original de la historia!

AI no reparará sus datos IAM rotos

About Author

COMENTARIOS

ETIQUETAS

ESTE ARTÍCULO FUE PRESENTADO EN

Related Stories

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

Una guía del arquitecto para crear una arquitectura de referencia para un lago de datos de IA/ML

Nómadas digitales escuchen: lo que necesitan saber sobre la nueva visa DTV de Tailandia

Liberando el poder de la IA. Una revisión sistemática de técnicas de vanguardia: resumen e introducción

¿Quieres ganar un concurso de redacción de HackerNoon? Esto es lo que recomiendan los ganadores del concurso #crypto-api

Light-Mode

Classic

Newspaper

Minty

Dark-Mode

Neon Noir

Minty

HN StartUps