¿Tecnología Geek te ahorra tiempo? Agréganos como tu fuente preferida en Google y ve más noticias nuestras en tus resultados. Fuente preferida en Google
La IA de NTT ya revisa vulnerabilidades de software sin que el código fuente salga de la empresa, y en su primera prueba seria subió la tasa de acierto del 48 % al 63 %. El anuncio llegó este lunes 16 de noviembre desde Tokio, con una idea que bancos y gobiernos entienden al instante: auditar programas con inteligencia artificial sin entregar ese código a una nube ajena.
NTT, el grupo japonés de telecomunicaciones, presentó una tecnología de ciberseguridad que analiza vulnerabilidades dentro de un entorno gestionado por la propia organización. Nada de subir el código a un servicio externo de IA. El sistema combina varios modelos de pesos abiertos, esos modelos que cada organización puede descargar y correr en sus propios servidores, con técnicas de análisis propias y un control de flujo de trabajo desarrollado en casa.
La empresa lo llama un enfoque soberano. Soberanía, en su definición, es que los datos queden bajo control de la propia organización o del propio país, sin depender de servicios extranjeros ni de leyes de otro lugar para operar. La etiqueta suena política, pero el problema que ataca es de oficina: el código fuente es información confidencial, y pegarlo en una IA en la nube para que lo revise trae riesgo de fuga, costes crecientes por uso y dependencia de un proveedor concreto.
El coste también pesa en la decisión. Un servicio externo cobra por volumen de análisis y deja el ritmo de la auditoría en manos de su tarifa y de su disponibilidad; un sistema propio convierte ese gasto en infraestructura interna, predecible para sectores que auditan código cada semana y no pueden esperar turno en una nube compartida.
Con CyberGym llegó la medición, un banco de pruebas que mide la capacidad de análisis de vulnerabilidades de software de los agentes de IA con cerca de 1.500 tareas reales. El equipo de NTT seleccionó 150 tareas de corrupción de memoria, la familia de fallos donde un programa escribe fuera del espacio que le corresponde, y comparó el flujo de análisis ya existente con su método mejorado. La mejora quedó en 15 puntos porcentuales, del 48 % al 63 % de éxito.
El truco está en la guía, no solo en el tamaño del modelo
El método habitual de caza de fallos con IA imita el trabajo de un experto: el modelo lee el programa, formula hipótesis sobre dónde puede estar la debilidad, apunta a ese punto y lo verifica. Esa rutina se puede ejecutar de forma autónoma y en paralelo, a una escala que ningún equipo humano sostiene. La capacidad final depende del modelo, sí, pero también del flujo que ordena el análisis y de las herramientas de verificación que confirman cada sospecha.
Ahí metió mano NTT. Su guía interna, construida con el conocimiento acumulado en años de investigación de vulnerabilidades, le marca a la IA los puntos donde suelen nacer los fallos, y ese mapa previo saca mejor rendimiento de modelos que no son los más grandes del mercado. Impress, el grupo editorial japonés que cubrió el anuncio en sus cabeceras de tecnología, destacó esa misma lectura: la mejora vino del flujo de trabajo y del control de las herramientas, no de un modelo gigante nuevo.
Las pruebas con modelos de pesos abiertos de distinto tamaño dejaron otra pista práctica. Combinar modelos medianos también elevó el rendimiento, una ruta que baja la factura de cómputo y mantiene todo el proceso dentro de casa. Para sectores con alta confidencialidad, como finanzas y administración pública, esa combinación ataca la barrera que frena la adopción: revisar código con IA sin exponerlo fuera.
El contexto empuja en la misma dirección. Ya se han reportado casos de código de ataque creado con modelos de pesos abiertos, y los defensores sienten la presión de usar IA con la misma rapidez. El debate sobre las vulnerabilidades con IA en infraestructura crítica mostró el coste de encontrar fallos a gran velocidad; la pieza japonesa discute el otro extremo, quién controla el código mientras se busca el fallo.
De encontrar el fallo a dejarlo corregido dentro de casa
La IA de NTT apunta ahora a cubrir el ciclo completo. El plan declarado pasa por cruzar los hallazgos con la configuración real de cada sistema, estrechar el riesgo con criterio de impacto en el negocio y apoyar la corrección, un trabajo que hoy los expertos hacen caso por caso y que consume tiempo de perfiles escasos. Reducir ese tiempo y esa carga es la promesa que la empresa pone sobre la mesa para las organizaciones con poco personal de seguridad.
Los resultados se exhibirán en el NTT R&D FORUM 2026, el escaparate anual de investigación del grupo. Queda por ver la parte que el banco de pruebas no mide: el 63 % se logró sobre 150 tareas de corrupción de memoria de CyberGym, no sobre el catálogo completo de familias de fallos ni sobre código propietario de clientes reales. Ese despliegue, con empresas de finanzas y de gobierno como candidatas naturales, dirá si la soberanía vende además de funcionar.
Fuente: NTT
La conversación sigue en el foro
Comenta esta noticia, pregunta lo que quieras y comparte tu experiencia con otros lectores en el foro de Tecnología Geek. Participar es gratis: solo necesitas tu cuenta del sitio.
Entrar al foro