← Todas las publicaciones

Opinión

¿Puede el pentesting ser un 90% más barato?

Un test de penetración cuesta fácilmente seis mil euros. Para un entorno complejo, la cifra supera con creces los cien mil. Incluso una prueba modesta de dos o tres mil euros es un gasto considerable para la pyme media, sobre todo si hay que repetirla cada año. Durante mucho tiempo fue una elección: lo hacías o no lo hacías. A menos que la regulación sectorial lo exigiera; entonces no había elección. Con la llegada de la directiva europea NIS2, implementada en los Países Bajos como Cyberbeveiligingswet, eso está cambiando. Miles de organizaciones quedan ahora sujetas a una normativa que exige medidas técnicas de seguridad, incluida la comprobación periódica de la propia resiliencia. Muchas organizaciones lo traducen en un test de penetración.

El mercado de pentesting no escala con esa demanda. Los pentesters escasean, formarlos lleva años y las tarifas por hora suben. Puedes esperar a que el mercado se ajuste o intentar resolver el problema de otra manera. Nosotros elegimos lo segundo.

Guardian360 es una de las trece organizaciones europeas que recibieron una subvención del programa CYSSDE de la Unión Europea para hacer el pentesting más accesible. Nuestro proyecto se llama AI-SCALE. Nuestra ambición: ofrecer tests de penetración profesionales a alrededor del diez por ciento del precio habitual, dejando que un agente de IA haga la mayor parte del trabajo, con validación humana de los hallazgos. Este artículo no trata de lo bien que va, porque todavía no hemos llegado ahí. Trata de con qué nos estamos encontrando, de lo que hemos aprendido y de las preguntas que aún no podemos responder.

Qué estamos construyendo

La tecnología se construye en tres capas. La primera capa es el descubrimiento continuo: nuestra plataforma Lighthouse existente cartografía de forma continua la superficie de ataque, tanto externa como interna. La segunda capa es la evaluación impulsada por IA: nuestro propio AI Cyber Security Agent, que genera y ejecuta escenarios de pentest adaptados al sector y al stack tecnológico de la organización. La tercera capa es la revisión humana: un pentester certificado sénior de uno de nuestros socios de pentesting valida los hallazgos antes de entregar el informe.

Esa estructura de tres capas no es un compromiso, sino una elección deliberada. La IA hace el trabajo que escala: escanear en amplitud, recorrer escenarios, documentar hallazgos. El humano hace el trabajo que requiere criterio: decidir si un hallazgo es un riesgo real, valorar cómo se combinan las vulnerabilidades y decidir si la explotación es responsable.

Cuando el proyecto concluya en marzo de 2028, el agente de IA, las bibliotecas de escenarios por sector y toda la metodología se publicarán como código abierto. Es un compromiso de nuestra solicitud de proyecto y también una convicción nuestra: las herramientas profesionales de seguridad deben poder ser comprobadas, no ser una caja negra.

¿Qué es realmente un test de penetración?

Antes de poder hablar de una reducción de costes del 90%, tenemos que ponernos de acuerdo en qué intentamos abaratar. Y ahí empieza el primer problema. El término “test de penetración” no tiene una definición única. Para un proveedor es un escaneo automatizado de vulnerabilidades con un informe. Para otro son semanas de trabajo manual de un especialista con certificación OSCP que intenta realmente entrar.

Los marcos de cumplimiento ayudan solo hasta cierto punto. NIS2 pide “comprobar la eficacia de las medidas de seguridad”, pero no prescribe cómo. ISO 27001 hace referencia a evaluaciones técnicas de vulnerabilidades sin especificar la profundidad. DORA es más preciso sobre el pentesting basado en amenazas (TLPT), pero eso solo se aplica al sector financiero.

En los Países Bajos existe un estándar de calidad concreto: el CCV Keurmerk Pentesten, un sello de certificación para el pentesting. El Centre for Crime Prevention and Safety (CCV) desarrolló un esquema de certificación que establece qué es un pentest y qué no. La definición es inequívoca: un pentest es “una evaluación manual que intenta penetrar en un sistema lo más profundamente posible”. Los escaneos de vulnerabilidades, por avanzados que sean, quedan explícitamente excluidos del sello. Las herramientas pueden usarse como apoyo, pero, en palabras del CCV, “no son determinantes en la ejecución de un pentest”. Todos los hallazgos de las pruebas automatizadas deben ser verificados manualmente por un pentester cualificado.

A ello se suma un requisito cuantitativo estricto: el pentester cualificado debe aportar como mínimo el cincuenta por ciento del tiempo total de la prueba. Además, ese pentester debe contar con un certificado práctico reconocido, tener al menos un año de experiencia laboral como profesional de TI (no como becario) y un certificado de buena conducta (VOG) con una antigüedad máxima de tres años.

Para quien quiera ofrecer pentesting con IA, este sello plantea la pregunta central: si el agente de IA hace la mayor parte del trabajo y el humano valida, ¿sigue siendo eso un pentest en el sentido que el CCV entiende? La conclusión honesta es que el modelo de tres capas encaja conceptualmente con el espíritu del sello: las herramientas como apoyo y el experto humano como responsable último. Pero la regla del cincuenta por ciento y la definición como “evaluación manual” encajan mal con la ambición de una reducción de costes del noventa por ciento. Si el pentester humano tiene que aportar la mitad de las horas, por definición no llegas al diez por ciento del precio habitual.

En el proyecto AI-SCALE utilizamos por eso una definición más amplia: un pentest es una evaluación estructurada que va más allá de ejecutar un escaneo automatizado. Incluye escenarios adaptados al sector y al stack tecnológico, que abarcan errores de configuración, fallos de autorización y debilidades de lógica de negocio, y termina con una validación humana.

El límite de la automatización: la explotación

Una de las primeras conversaciones que tuvimos con nuestro socio de pentesting fue sobre la explotación. ¿Puede el agente de IA explotar realmente una vulnerabilidad que encuentra, para demostrar que el riesgo es real? La respuesta fue clarísima: no, en todo caso no de forma totalmente automatizada.

Eso suena a limitación, y lo es. Pero es una limitación deliberada. Un agente de IA que explota vulnerabilidades en un entorno de producción sin supervisión humana es un riesgo en sí mismo. En nuestro modelo, el agente opera sobre todo en modo lectura: explora, identifica e informa. Toda acción que modifique un sistema requiere aprobación humana. Hay un kill switch, hay Rules of Engagement por encargo y hay un registro de auditoría exhaustivo.

Para un CISO eso puede resultar más tranquilizador que un agente totalmente autónomo. Pero también significa que la reducción de costes será limitada. En cuanto un pentester humano tiene que participar de forma significativa en el proceso de validación, todavía es posible un ahorro, pero cuán grande será sigue sin estar claro.

Los falsos positivos cuestan tiempo de validación

El agente de IA es fuerte en amplitud. Errores de configuración, componentes obsoletos, ajustes por defecto y patrones de vulnerabilidad conocidos los encuentra de forma consistente, también en los puntos donde un humano mira con menos agudeza tras unas horas. Pero la amplitud tiene un reverso: el agente produce más hallazgos, y no todos son relevantes.

Si la IA produce más ruido que un tester humano, desplazas las horas de la prueba a la validación. El pentester humano dedica entonces más tiempo a valorar y descartar hallazgos que a descubrirlos. Benchmarks recientes confirman que las tasas de falsos positivos son el gran cuello de botella de las herramientas automatizadas de pentesting. El tiempo que ganas al principio de la prueba lo vuelves a perder al final.

Lógica de negocio y ataques encadenados

El agente encuentra puntos de atención individuales, pero no siempre ve que juntos forman una cadena de ataque grave. Un error de autorización entre roles, un flujo de pago que se salta un paso bajo ciertas condiciones, una API que es segura de forma aislada pero que, combinada con otro endpoint, permite una escalada de privilegios: son exactamente los hallazgos por los que las organizaciones contratan a un pentester. Y son exactamente los hallazgos que la IA, por ahora, no puede lograr por sí sola.

No es cuestión de mejores modelos. Requiere entender qué se supone que debe hacer una aplicación, en el contexto del proceso de negocio al que da soporte. Eso es conocimiento del dominio, no reconocimiento de patrones.

Los supuestos detrás del modelo de costes

El objetivo del diez por ciento del precio habitual, unos seiscientos euros por prueba en lugar de seis mil, descansa en una serie de supuestos que debemos nombrar con honestidad.

El primer supuesto es que los modelos de IA se vuelven más eficientes. Hasta ahora ha sido así: los modelos de base son más rápidos, baratos y mejores con cada generación. Pero no existe ninguna ley de la naturaleza que diga que ese ritmo continúe. Si las ganancias de eficiencia se estancan, el modelo de costes se vuelve frágil.

Ejecutamos nuestros modelos en nuestra propia infraestructura GPU, a través de una empresa hermana neerlandesa con capacidad dedicada de Kubernetes y GPU. Eso significa que no tenemos costes variables por token y que los datos de los clientes y los hallazgos permanecen dentro de nuestro propio clúster de servidores. Para muchas organizaciones de nuestro grupo objetivo, este último punto puede ser perfectamente el argumento más importante. Pero ser propietario de GPU desplaza el problema, no lo elimina. La pregunta entonces no es “¿cuánto cuesta esta prueba?”, sino “¿cuántas pruebas podemos ejecutar a la vez?”. El límite es la capacidad, no el presupuesto por prueba.

El segundo supuesto es que la intervención humana pueda mantenerse mínima. Si la validación L3, la revisión humana por un pentester sénior, ocupa una parte significativa del plazo de entrega, no se puede alcanzar una reducción de costes del noventa por ciento. La cuenta es sencilla: si la validación cuesta el treinta por ciento del tiempo de una prueba convencional, tu ahorro máximo es del setenta por ciento, no del noventa. El sello CCV afina aún más ese cálculo: cincuenta por ciento de tiempo humano significa un techo de cincuenta por ciento de ahorro, no de noventa.

Ya hay actores en este terreno

Guardian360 no es la primera en intentar automatizar el pentesting. Horizon3.ai ofrece pentests autónomos para redes internas y entornos de Active Directory con NodeZero. Pentera se posiciona como validación de seguridad automatizada y reporta más de cien millones de dólares en ingresos recurrentes anuales. Hadrian se centra en la superficie de ataque externa y lanzó un producto de pentest con IA agéntica en marzo de 2026.

La pregunta es legítima: ¿por qué construir algo propio si ya existen plataformas consolidadas? Nuestra respuesta es triple. Primero, esas plataformas son de código cerrado. Nuestro agente y nuestra metodología se publicarán como código abierto después del proyecto, para que la comunidad pueda probarlos, mejorarlos y adaptarlos. Segundo, son predominantemente estadounidenses, mientras que la regulación europea, en particular NIS2, DORA y estándares sectoriales como NEN 7510 y el marco BIO, requiere sus propias bibliotecas de escenarios. Tercero, son caras: los modelos de licencia habituales están diseñados para grandes empresas, no para pequeñas y medianas.

Lo que estamos aprendiendo

Llevamos unos dos meses. Es demasiado poco para sacar conclusiones, pero suficiente para compartir las primeras percepciones.

La primera percepción es que el agente es fuerte donde los humanos son débiles: en la persistencia. Un pentester humano pierde agudeza tras horas de trabajo. El agente no. Recorre de forma sistemática todos los aspectos de un entorno, incluidas las partes aburridas. Eso aporta hallazgos que un humano habría pasado por alto, no porque no pueda encontrarlos, sino simplemente porque un humano no es una máquina.

La segunda percepción es que la distancia entre “pensar un escenario” y “ejecutar ese escenario en un entorno real” es mayor de lo esperado. Un escenario de ataque que es lógico sobre el papel se atasca en la práctica en la gestión de sesiones, los flujos de MFA, el rate limiting o patrones de autenticación específicos de la aplicación. Cada entorno tiene peculiaridades que el agente no conoce hasta que se topa con ellas. Eso significa que las bibliotecas de escenarios deben contener no solo patrones de ataque, sino también los patrones defensivos que el agente debe reconocer y, o bien sortear, o bien reportar.

La tercera percepción es que las bibliotecas de escenarios por sector no son un lujo sino una necesidad. Un pentest para un proveedor sanitario que debe cumplir NEN 7510 exige escenarios distintos a los de una prueba para una entidad financiera sujeta a DORA. Los escenarios genéricos producen hallazgos genéricos, y los hallazgos genéricos no son utilizables para un CISO.

La cuarta percepción, y quizá la más desafiante, es que la reacción de pentesters experimentados ante los hallazgos generados por IA es una medida de valor que no podemos automatizar. El reconocimiento del agente y el primer triaje son utilizables; ahí ahorra horas humanas. Pero el grado en que el revisor humano tiene que corregir, reclasificar o completar después los hallazgos acaba determinando si el modelo es rentable. Ahora medimos ese bucle de retroalimentación de forma sistemática, y los resultados aún son demasiado tempranos para publicarlos.

Una historia europea más amplia

Como hemos dicho, Guardian360 no es la única organización que trabaja en esto. El programa CYSSDE seleccionó trece proyectos en la Open Call 3 de nueve países europeos, que en conjunto planifican más de 534 evaluaciones de seguridad. Desde evaluaciones de seguridad OT en Polonia y Alemania, pasando por pentesting basado en amenazas en Bélgica, hasta pentesting soberano con IA en Italia.

No es casualidad. La UE invierte deliberadamente en capacidad europea de ciberseguridad, a través del European Cybersecurity Competence Centre y de programas como CYSSDE. El razonamiento es que, si queremos que las organizaciones europeas sean resilientes, no deberíamos depender de herramientas y proveedores no europeos. Nuestro compromiso de código abierto encaja en esa misma línea: es una contribución al bien común europeo de la ciberseguridad, no solo un producto.

La respuesta honesta

¿Puede el pentesting ser un noventa por ciento más barato? La respuesta honesta es: todavía no lo sabemos. Creemos que la IA puede asumir una gran parte del trabajo repetitivo y que los costes pueden bajar sustancialmente gracias a ello. Pero “sustancialmente” no es lo mismo que “noventa por ciento”, y los escollos con los que nos encontramos, desde la lógica de negocio que el agente no entiende hasta estándares de calidad como el sello CCV que imponen la intervención humana, son motivo de modestia.

Lo que sí sabemos es que la situación actual es insostenible. Las organizaciones sujetas a NIS2 que no pueden permitirse un pentest corren un riesgo. Las organizaciones que ejecutan un escaneo automatizado barato y creen haber hecho un test de penetración corren otro riesgo: la falsa seguridad. Un pentest que da a las organizaciones una falsa sensación de seguridad es quizá incluso peor que ningún pentest.

La solución no está solo en la IA, ni solo en las personas. Está en una combinación que es honesta sobre lo que cada parte puede y no puede hacer. El agente escanea, el humano juzga. El agente encuentra patrones, el humano ve cadenas. El agente escala, el humano vigila el límite.

Publicamos nuestros resultados, nuestro agente y nuestra metodología. No porque tengamos la respuesta, sino porque creemos que la respuesta llega antes si más personas la buscan.

Fuentes