Respuesta breve
A finales del verano de 2026, la ciberseguridad con IA se desplazó desde los asistentes de chat hacia los sistemas agénticos. El 1 de septiembre, CrowdStrike y NVIDIA lanzaron SafeMind, que combina un modelo ofensivo, Red Tempest, con uno defensivo, Blue Solano, ambos basados en NVIDIA Nemotron y entrenados con datos de CrowdStrike. En agosto, OpenAI puso GPT-5.6 Cyber solo al alcance de socios de confianza como Accenture, IBM, CrowdStrike y Cloudflare. Las cifras de rendimiento de CrowdStrike son suyas y no se han verificado de forma independiente.
CrowdStrike y NVIDIA presentan SafeMind en Fal.Con 2026
El 1 de septiembre de 2026, la ciberseguridad con IA dio un paso claro para dejar atrás los asistentes de chat y avanzar hacia sistemas autónomos. En su conferencia Fal.Con, celebrada en Las Vegas, CrowdStrike lanzó SafeMind, un sistema agéntico para defensores creado con NVIDIA, junto con dos modelos de seguridad diseñados específicamente para esa tarea: Red Tempest, para pruebas ofensivas, y Blue Solano, para la defensa.
Según CrowdStrike, ambos se basan en los modelos abiertos Nemotron de NVIDIA y se entrenaron con datos de la propia compañía: telemetría de los sensores Falcon, inteligencia de amenazas, anotaciones de eventos de Falcon Complete, su servicio gestionado de detección y respuesta, y quince años de trabajo de campo en respuesta a incidentes. El entrenamiento y la inferencia se ejecutan en la nube de IA de CoreWeave.
SafeMind funciona de forma nativa dentro de la plataforma CrowdStrike Falcon. La compañía indicó que el acceso a los modelos por separado está disponible a través de su programa Project QuiltWorks, y el artículo de NVIDIA sobre el evento describió una nueva oferta, Falcon IQ, como la fórmula con la que CrowdStrike lleva ese programa a la práctica.
Red Tempest y Blue Solano: un atacante y un defensor en el mismo ciclo
La idea que sostiene SafeMind es situar un modelo ofensivo y otro defensivo dentro del mismo ciclo. Red Tempest se comporta como un equipo rojo que busca debilidades en un entorno, mientras que Blue Solano actúa como un equipo azul que detecta la actividad sospechosa, la investiga y ayuda a cerrar las brechas detectadas.
George Kurtz, fundador y director ejecutivo de CrowdStrike, describió un sistema que encuentra debilidades, refuerza la protección y se vuelve más inteligente con cada ciclo. En el relato del evento que publicó NVIDIA, Kurtz planteó el problema sin rodeos: los atacantes ya tenían IA de frontera y los defensores no.
NVIDIA señaló que Blue Solano se basa en su modelo Nemotron 3 Super y que Falcon IQ utiliza más de 50 agentes que trabajan de forma coordinada. El diseño refleja un cambio más amplio en el software de seguridad, que se aleja de un único asistente que responde preguntas y se orienta hacia muchos agentes especializados, cada uno encargado de una parte de la investigación.
Cómo leer el 29%, las seis veces y el 99% de CrowdStrike
CrowdStrike afirma que sus modelos logran una tasa de detección un 29% superior a la de los principales modelos de frontera y las referencias de código abierto, una remediación de extremo a extremo seis veces más rápida y un ahorro del 99% en los costes de detección y remediación. El artículo de NVIDIA presentó a Blue Solano como un modelo que alcanza mayor precisión con un coste un 99% inferior al de los modelos de frontera más destacados.
Son cifras de las empresas que han creado estos sistemas y que los venden. Los anuncios no incluyen ninguna evaluación independiente y, cuando se comparan herramientas de detección, los modelos de referencia exactos, los datos de prueba y la tasa de falsos positivos importan tanto como el porcentaje que aparece en el titular.
Un ahorro del 99% describe lo que cuesta detectar y remediar con estos modelos frente a las referencias que eligió CrowdStrike. No equivale a recortar un 99% el gasto total en seguridad de una organización, que también abarca el personal, las licencias, las herramientas y el trabajo de responder a los incidentes.
Propagación en 27 segundos: la velocidad domina el discurso comercial
Los argumentos a favor de la defensa agéntica se apoyan en la velocidad. Con datos de CrowdStrike, el relato del evento publicado por NVIDIA dio cuenta de un aumento del 89% de los ataques facilitados por IA durante el último año y de un tiempo de propagación de apenas 27 segundos, el más rápido registrado en la ciberdelincuencia.
El tiempo de propagación, conocido en inglés como breakout time, es el intervalo que transcurre entre el primer punto de apoyo que logra un intruso en una máquina y su salto a otros sistemas de la misma red. Si los atacantes más rápidos pueden dar ese paso en menos de medio minuto, un proceso que depende de que un analista lea una alerta, abra un ticket y lo escale es, por su propia estructura, demasiado lento.
Esa es la brecha que los proveedores quieren que cierren los agentes de IA: clasificar alertas, reunir contexto e iniciar la contención en segundos, en lugar de minutos u horas. En el anuncio del lanzamiento, Bartley Richardson, de NVIDIA, resumió la promesa en que los defensores puedan actuar a velocidad de máquina.
GPT-5.6 Cyber de OpenAI y el acceso para socios de confianza
OpenAI había tomado una dirección parecida unas semanas antes. Según publicó TechCrunch el 10 de agosto de 2026, la compañía había lanzado GPT-5.6 Cyber, una versión de su modelo GPT-5.6 diseñada para tareas defensivas como las pruebas de seguridad y la investigación de vulnerabilidades.
El modelo no está disponible de forma general. OpenAI solo lo ofrece a clientes socios de confianza, un grupo que incluye a Accenture, IBM, CrowdStrike y Cloudflare, como parte de una versión ampliada de su servicio Daybreak con dos niveles: Blue, para los servicios básicos, y Red, para un conjunto de herramientas más avanzado.
TechCrunch enmarcó el lanzamiento en un contexto de ataques dirigidos por IA cada vez más numerosos, incluidos casos en los que se usaron agentes de IA para ingeniería social. El despliegue restringido muestra la seriedad con la que los desarrolladores tratan ahora el riesgo de doble uso de los modelos que destacan a la hora de encontrar vulnerabilidades.
El acceso restringido se vuelve la norma en los modelos de ciberseguridad
Si se ponen uno junto al otro, los dos lanzamientos comparten un patrón. CrowdStrike ofrece sus modelos dentro de su propia plataforma o mediante un programa definido, y OpenAI limita su modelo de ciberseguridad a socios verificados. Ninguna de las dos empresas pone su modelo de seguridad más capaz al alcance de cualquiera como una descarga abierta y anónima.
La razón es el problema del doble uso. Un modelo capaz de trazar el mapa de las debilidades de una organización para sus defensores podría, en malas manos, trazarlo para un intruso. Restringir el acceso en función de la relación con el cliente, el contrato y el caso de uso es un intento de conservar el beneficio defensivo y, al mismo tiempo, frenar el uso indebido.
CrowdStrike aparece además en los dos lados de esta historia: como uno de los socios de OpenAI citados expresamente para GPT-5.6 Cyber y como creadora de sus propios modelos junto a NVIDIA. Para un gran proveedor de seguridad, recurrir a más de una fuente de modelos parece una manera de no depender de una sola empresa de IA.
Los cambios de la defensa agéntica en un centro de operaciones de seguridad
Dentro de un centro de operaciones de seguridad convencional, los analistas dedican gran parte de su tiempo a la clasificación de alertas: decidir cuáles importan, extraer registros y reconstruir lo ocurrido. Los sistemas agénticos aspiran a asumir ese trabajo preliminar, de modo que el analista parta de una investigación ya armada y no de una alerta en bruto.
El cambio de mayor calado está en la remediación. Cuando un sistema puede aislar una máquina, restablecer credenciales o detener un proceso por su cuenta, la pregunta deja de ser cuán preciso es su análisis y pasa a ser qué acciones puede ejecutar sin que una persona las apruebe.
Eso convierte la gobernanza en un requisito técnico. Unos niveles de permiso claros, un registro de cada paso automatizado y una forma rápida de revertir una acción importan tanto como la calidad de la detección, porque un error ejecutado con plena confianza y a velocidad de máquina puede perturbar un negocio con la misma contundencia que un ataque.
Antes de que un agente de IA actúe en tu red: tres comprobaciones
Empieza por las pruebas. Pregunta a cualquier proveedor qué referencias usaron sus benchmarks, qué relación guardan los datos de prueba con tu entorno y cómo es su tasa de falsos positivos, y luego haz una prueba piloto en tus propios sistemas y con incidentes pasados antes de fiarte de un porcentaje publicado.
A continuación, fíjate en los datos. La telemetría de seguridad revela mucho sobre una organización, así que confirma dónde se procesa, cuánto tiempo se conserva y si se utiliza para mejorar modelos que dan servicio a otros clientes.
Por último, define el papel de las personas. Decide qué acciones automáticas están permitidas, quién responde cuando actúa un agente y cómo conservará el personal las habilidades necesarias para investigar incidentes por su cuenta si la IA se equivoca, deja de estar disponible o se convierte ella misma en objetivo de los atacantes.
Las próximas señales para SafeMind y GPT-5.6 Cyber
La primera señal es la evidencia independiente. Los casos prácticos de clientes, las evaluaciones de terceros y los resultados de equipos rojos ajenos a los proveedores mostrarán si las cifras de detección y coste que ocupan los titulares se sostienen en redes reales.
La segunda es el acceso: con qué rapidez llegan los modelos a clientes que no forman parte de los programas iniciales y si el enfoque de OpenAI, limitado a socios, se amplía o sigue siendo restringido a medida que se evalúan los primeros despliegues.
La tercera es la respuesta de los atacantes. Los defensores adoptan la IA agéntica porque los atacantes ya usan IA, y la verdadera prueba para esta generación de herramientas de ciberseguridad con IA será ver si los tiempos de propagación y las intrusiones con éxito disminuyen a medida que su uso se extiende.
Lista práctica
- Pide al proveedor la referencia de comparación, el conjunto de datos y la tasa de falsos positivos que respaldan cualquier cifra de detección o velocidad.
- Establece qué acciones puede tomar un agente de IA de forma autónoma y cuáles necesitan el visto bueno de una persona con nombre y apellidos.
- Comprueba en qué lugar se procesa tu telemetría y si sirve para entrenar modelos que también usan otros clientes.
- Guarda un registro de auditoría de cada paso automático de contención o remediación para poder revisarlo y revertirlo.
- Pon a prueba cualquier defensor de IA con tu propio entorno e incidentes anteriores antes de dar por buenos los benchmarks publicados.
Preguntas frecuentes
¿Qué es CrowdStrike SafeMind?
Es un sistema de seguridad agéntico que CrowdStrike lanzó con NVIDIA el 1 de septiembre de 2026. Reúne un modelo ofensivo llamado Red Tempest y uno defensivo llamado Blue Solano, y se ejecuta de forma nativa en la plataforma CrowdStrike Falcon.
¿Qué son Red Tempest y Blue Solano?
Red Tempest es un modelo de equipo rojo que sondea un entorno en busca de debilidades, y Blue Solano es un modelo de equipo azul centrado en la detección y la respuesta. Ambos están construidos sobre Nemotron, los modelos abiertos de NVIDIA.
¿Está GPT-5.6 Cyber disponible para todo el mundo?
No. Según informó TechCrunch en agosto, OpenAI solo ofrece GPT-5.6 Cyber a clientes socios de confianza, entre ellos Accenture, IBM, CrowdStrike y Cloudflare, para pruebas de seguridad e investigación de vulnerabilidades.
¿Están verificadas de forma independiente las cifras del 29% y el 99%?
No. Proceden de comparaciones de la propia CrowdStrike con destacados modelos de frontera y de código abierto. Conviene tratarlas como afirmaciones del proveedor hasta que se publiquen evaluaciones independientes o resultados de clientes.
¿Sustituirá la IA a los analistas de seguridad?
Estos lanzamientos no lo afirman. Los sistemas se presentan como una forma de acelerar la detección, la investigación y la remediación, mientras que las decisiones sobre acciones automáticas arriesgadas siguen necesitando supervisión humana y una rendición de cuentas clara.