“Ciberseguridad de IA” no es un solo puesto en el organigrama de ningún empleador. Nombra un conjunto de roles que han aparecido dentro de los equipos de seguridad existentes en los últimos años, y cada uno se apoya en una parte distinta de la disciplina tradicional: probar sistemas de IA como un pentester examina una aplicación, proteger el software y los pipelines que rodean a un modelo desplegado, aplicar herramientas de IA al trabajo de detección y respuesta, y gobernar cómo una organización adopta la tecnología desde el principio. Ninguno de los organismos de estándares ni de los estudios de fuerza laboral citados abajo los trata como un solo rol, y este artículo tampoco.
Antecedentes
El punto de referencia que la mayoría de los empleadores y proveedores de capacitación de Estados Unidos usan para describir los trabajos de ciberseguridad en general es el NICE Workforce Framework for Cybersecurity, mantenido por el NIST y alojado por la CISA. Organiza la profesión en categorías de roles de trabajo —Oversight and Governance, Design and Development, Implementation and Operation, Protection and Defense, e Investigation—, cada una dividida en enunciados de tareas, conocimientos y habilidades en lugar de puestos fijos [1]. Al momento de escribir esto, el marco publicado no tiene una categoría de roles de trabajo propia y específica para IA; los roles descritos en este artículo se ubican dentro de sus categorías existentes y toman vocabulario de material de referencia más reciente y específico de IA donde el marco no dice nada.
Ese material más reciente proviene principalmente de tres lugares: el Gen AI Security Project de OWASP, que publica el Top 10 para aplicaciones de LLM, una lista de categorías de riesgo como la inyección de prompts, la divulgación de información sensible, el riesgo en la cadena de suministro y la agencia excesiva [2]; MITRE ATLAS, una base de conocimiento pública de tácticas y técnicas de adversarios dirigidas a sistemas de IA, construida como complemento del marco ATT&CK de MITRE [3]; y el NIST AI Risk Management Framework, que estructura el trabajo sobre riesgos de IA en cuatro funciones —Govern, Map, Measure y Manage— [4]. En la práctica, se espera que quien trabaje en cualquiera de los cuatro roles descritos abajo conozca al menos uno de estos tres documentos.
Del lado del mercado laboral, CyberSeek —un proyecto conjunto de NICE, CompTIA y la firma de análisis laboral Lightcast— registró 514,359 ofertas de empleo para puestos de ciberseguridad en el mercado de Estados Unidos entre mayo de 2024 y abril de 2025, frente a una fuerza laboral mundial de ciberseguridad estimada en unas 4,970,000 personas. De esas ofertas, CyberSeek encontró que el 10 por ciento mencionaba específicamente habilidades de IA como requisito [5]. Eso es una minoría de las ofertas, lo que importa para leer el resto de este artículo: hoy el trabajo de seguridad de IA es un agregado a una carrera en ciberseguridad, construido sobre una base, y todavía no un mercado laboral independiente.
Evidencia
El red teaming de IA es el más documentado públicamente de los cuatro. El AI Red Team de Microsoft, formado en 2018, describe su trabajo como probar sistemas de IA tanto contra el uso malicioso como contra las fallas comunes, y su propio relato del trabajo destaca dos diferencias con las pruebas de software convencional: los sistemas generativos son probabilísticos, así que “la misma entrada dos veces puede dar salidas distintas”, lo que obliga a repetir los intentos en lugar de hacer una sola prueba determinista; y las aplicaciones construidas sobre estos modelos “cambian a un ritmo más rápido” que el software tradicional, así que una evaluación hecha una vez queda obsoleta antes [6]. Quienes trabajan en este rol usan MITRE ATLAS como referencia de trabajo para catalogar técnicas de ataque contra sistemas de machine learning, igual que un red teamer convencional consultaría ATT&CK [3].
La seguridad de modelos y agentes es un rol más acotado y más orientado a la ingeniería: proteger la capa de aplicación que rodea a un modelo desplegado, no los pesos ni los datos de entrenamiento del modelo. El Top 10 para aplicaciones de LLM de OWASP es lo más parecido que tiene este subcampo a un plan de estudios compartido, y sus categorías funcionan también como una descripción de puesto aproximada: inyección de prompts, manejo inseguro de las salidas, envenenamiento de datos y de modelos, agencia excesiva otorgada a un agente autónomo y riesgo en la cadena de suministro de las bibliotecas y modelos de terceros de los que depende una aplicación [2]. Quienes hacen este trabajo suelen venir de la seguridad de aplicaciones más que de la ciencia de datos, porque la habilidad de fondo es auditar cómo fluye una entrada no confiable por un sistema, aplicada a un tipo de sistema más nuevo.
La ingeniería de detección con IA se ubica dentro de la categoría Protection and Defense de NICE y se traslapa mucho con el trabajo existente de operaciones de seguridad: construir las reglas, los modelos y los pipelines que convierten la telemetría en bruto en alertas sobre las que una persona puede actuar, ahora incluyendo señales generadas o asistidas por IA entre las entradas [1]. MITRE D3FEND, un grafo de conocimiento de contramedidas defensivas construido en conjunto por MITRE y el Cybersecurity Directorate de la NSA, es la referencia publicada más cercana para este lado del trabajo: organiza las defensas en seis tácticas —Model, Harden, Detect, Isolate, Deceive y Restore— y relaciona contramedidas específicas con las técnicas ofensivas que contrarrestan, lo que da a los ingenieros de detección un vocabulario común para lo que un control determinado hace en realidad [7]. Nada de D3FEND es específico de IA; el rol consiste en aplicarlo a pipelines que ahora incluyen señales derivadas de IA.
La gobernanza de IA es el área más nueva y, según la evidencia disponible, hoy la que concentra más preocupación declarada de empleadores y profesionales. El propio marco del NIST trata la gobernanza como una de sus cuatro funciones centrales, que abarca la supervisión organizacional, las estructuras de rendición de cuentas y las políticas antes de aplicar cualquier control técnico [4]. ISC2 hizo una encuesta en LinkedIn a más de 500 profesionales de ciberseguridad en septiembre de 2026, preguntando qué es lo que más necesita definirse mientras la IA transforma la profesión; el 68 por ciento eligió “gobernanza y cumplimiento de IA”, por delante de los marcos de modelado de amenazas de IA (16 por ciento), la protección de los pipelines de datos de IA (11 por ciento) y las defensas contra ataques adversariales (5 por ciento) [8]. Una encuesta de ese tamaño y formato no es una muestra científica de toda la profesión, punto al que este artículo vuelve en Limitaciones, pero la dirección del resultado —el trabajo de gobernanza por encima de todas las categorías técnicas juntas— es difícil de leer de otra manera.
| Rol | Qué hace | De dónde viene | Material de referencia |
|---|---|---|---|
| Red teaming de IA | Examina sistemas de IA desplegados en busca de fallas y usos indebidos, de forma repetida, dadas sus salidas probabilísticas | Pruebas de penetración, investigación de ML adversarial | MITRE ATLAS [3] |
| Seguridad de modelos y agentes | Protege la capa de aplicación y la cadena de suministro alrededor de un modelo o agente desplegado | Seguridad de aplicaciones | Top 10 para LLM de OWASP [2] |
| Ingeniería de detección | Construye y ajusta los pipelines que convierten la telemetría, incluidas las señales derivadas de IA, en alertas | Operaciones de seguridad, análisis en el SOC | MITRE D3FEND [7] |
| Gobernanza de IA | Define políticas, rendición de cuentas y controles de riesgo para la forma en que una organización adopta la IA | Gestión de riesgos, cumplimiento | NIST AI RMF [4] |
Análisis
Dos cosas destacan al poner los roles lado a lado. Primero, ninguno es una ruptura limpia con el trabajo de ciberseguridad existente: cada uno es una disciplina tradicional (red teaming, seguridad de aplicaciones, operaciones de seguridad, gobernanza) aplicada a un tipo de objetivo más nuevo. Esto coincide con lo que sugieren los datos de CyberSeek: con solo el 10 por ciento de las ofertas mencionando específicamente habilidades de IA, la mayoría de los empleadores todavía no contrata un rol distinto de “seguridad de IA”, sino que pide a los roles existentes cubrir más terreno [5]. Segundo, la vía de entrada a cada uno de los cuatro sigue pasando primero por los fundamentos generales de ciberseguridad. Los enunciados de tareas, conocimientos y habilidades del NICE Framework para sus categorías existentes —no una vía separada de IA— siguen siendo la base que describen empleadores y proveedores de capacitación [1], y la credencial de nivel inicial de ISC2, Certified in Cybersecurity (CC), que no supone experiencia laboral previa, sigue cubriendo principios generales de seguridad, gobernanza, gestión de identidades y accesos, redes y operaciones de seguridad antes de cualquier cosa específica de IA [9].
Las personas llegan a estos roles por un número reducido de caminos bien conocidos, no por un solo pipeline: una base de ciberseguridad (autodidacta, un bootcamp o una carrera universitaria) seguida de una especialización ya dentro de un equipo; una formación en software o ciencia de datos que se acerca a la seguridad cuando un equipo necesita a alguien que proteja lo que construyó; y la práctica directa con ejercicios capture-the-flag, que ahora incluyen módulos de seguridad de IA. La CyLab Security Academy de Carnegie Mellon University opera picoCTF, una plataforma gratuita que se ha ampliado “de los fundamentos básicos de seguridad a áreas avanzadas como la seguridad de IA”, y considera la participación sostenida, no un solo certificado, como la evidencia de habilidad que sigue a lo largo del tiempo [10]. Lo que piden los empleadores, según las fuentes anteriores, suele ser un conocimiento práctico de uno o más de NICE, el Top 10 para LLM de OWASP, MITRE ATLAS o D3FEND y el NIST AI RMF, junto con los fundamentos generales de seguridad sobre los que se construye cada uno de los cuatro roles.
- Primero, los fundamentos de ciberseguridad: la tríada CIA, la diferencia entre amenazas, vulnerabilidades y riesgo, y la ingeniería social, el vocabulario que todos los roles suponen. El curso Foundations of cybersecurity de FireAI University cubre este terreno.
- Después, el modelado de amenazas: aprender a razonar sobre quién atacaría un sistema y por qué, antes de especializarse en una técnica. Consulta Threat modelling and risk.
- Luego, una especialización: el trabajo ofensivo hacia el red teaming de IA con Offensive security: how the red team thinks y Adversarial AI and threat hunting; el trabajo defensivo hacia la ingeniería de detección con Defensive operations: how the blue team works y, para el lado del problema basado en el equipo, AI-driven desktop defense.
Recomendaciones
- Construye la base general antes de la especialización: las categorías existentes del NICE Framework, no una vía exclusiva de IA, siguen siendo la fuente de la mayoría de las descripciones de puesto [1].
- Lee el Top 10 para aplicaciones de LLM de OWASP y al menos revisa por encima los casos de estudio de MITRE ATLAS; ambos son gratuitos y públicos, y son los documentos que se espera que ya conozcan quienes trabajan en estos roles [2] [3].
- Practica en una plataforma de CTF que incluya retos de seguridad de IA, como picoCTF, en lugar de considerar suficiente solo la teoría [10].
- Si te interesa la gobernanza, estudia directamente las cuatro funciones del NIST AI RMF; la encuesta de ISC2 sugiere que hoy los empleadores valoran esta área por encima de cualquier especialización técnica individual [4] [8].
- Sigue cómo evolucionan realmente las amenazas y las herramientas de fondo, en lugar de depender de una sola fuente estática, con un registro de investigación continuo como el FireAI Radar.
Limitaciones
El NICE Framework, tal como está publicado, todavía no define roles de trabajo específicos de IA; las cuatro agrupaciones de este artículo son una síntesis propia de estándares relacionados, no una taxonomía oficial, y los títulos de puesto para el mismo trabajo varían mucho entre empleadores [1]. La encuesta de gobernanza de ISC2 reunió a más de 500 participantes de una sola audiencia de LinkedIn que eligió responderla; es una señal real del sentir de los profesionales, no una muestra probabilística de la profesión, y no indica su margen de error [8]. La cifra del 10 por ciento de CyberSeek cuenta cualquier oferta que mencione habilidades de IA, lo que puede incluir alfabetización general en IA y no específicamente trabajo de seguridad de IA, y cubre solo el mercado de Estados Unidos [5]. Sobre el salario: la única fuente consultada con cifras salariales concretas, los datos globales de certificación de ISC2 de 2024, no es específica de los roles de seguridad de IA —reportaba salarios promedio globales desde $94,948 para la credencial SSCP, cercana al nivel inicial, hasta $119,577 para CISSP, a mayo de 2024— y ninguna fuente consultada para este artículo da una cifra separada y confiable para especialistas en seguridad de IA [11].
Dónde entran FireAI y HisnLabs
Ninguno de los cuatro roles que describe este artículo es algo que haga un firewall; FireAI es una herramienta más acotada que funciona en el equipo, y el vínculo honesto con una carrera en este campo pasa por la práctica y el material de referencia, no por el producto.
FireAI es el producto de HisnLabs: un firewall con IA que corre directamente en tu Mac. Te muestra, en lenguaje claro, cada conexión que hacen tus aplicaciones y te deja decidir qué sale de tu Mac; su IA funciona de manera local, así que tu tráfico nunca se envía a nosotros ni a nadie más. El equipo de investigación en seguridad de HisnLabs es el que mantiene esas decisiones confiables: cataloga qué dominios son simple telemetría y cuáles un servicio real, rastrea el país y la red detrás de cada conexión, y entrena el modelo local (la función FireAI Pilot) con patrones de tráfico reales, sin que nada de eso salga de tu Mac.
Puedes leer las decisiones técnicas detrás de FireAI, o probarlo durante 17 días, en FireAI, de HisnLabs.