La Inteligencia Artificial (IA) está cambiando la operación de los equipos de infraestructura, DevOps e ingeniería de plataformas. Desde la generación de pipelines y la configuración de contenedores hasta el apoyo en la resolución de incidentes en Kubernetes, los agentes inteligentes ya pueden ejecutar tareas que antes requerían una intervención humana considerable. El reto ahora consiste en garantizar que estos procesos automatizados se mantengan bajo control, especialmente cuando los cambios ocurren más rápido de lo que los equipos pueden revisarlos.

Para Heriberto Cabrera, vicepresidente Regional de Ingeniería de Soluciones de Tanium, esta evolución también transforma las responsabilidades de los profesionales, que deben dedicar más tiempo a la arquitectura, la seguridad, la evaluación y la gobernanza de los resultados generados por la IA.

“Revisar una modificación realizada por Inteligencia Artificial requiere mucho más que comprobar que el resultado parece correcto. Es necesario entender el propósito del cambio, las condiciones del entorno y los posibles escenarios de fallo. La supervisión humana implica evaluar las consecuencias, no solo validar la ejecución”, señaló el directivo.

El riesgo, explica, no se limita a que la IA genere código o configuraciones incorrectas. También radica en que una modificación llegue a producción sin que la organización tenga suficiente visibilidad para identificar sus efectos reales. Por ello, conocer el estado de la infraestructura y verificar los cambios resulta tan importante como la automatización misma.

Gobernanza y control desde el inicio

Ante este escenario, las organizaciones necesitan establecer reglas claras antes de ampliar el uso de agentes autónomos. Esto implica definir qué acciones pueden ejecutarse sin intervención humana, cuáles requieren autorización, cómo se documentan las modificaciones y qué mecanismos existen para revertirlas si algo falla.

“La capacidad de la IA no representa por sí sola un riesgo. El problema aparece cuando se incorpora automatización sin controles definidos, responsabilidades claras ni trazabilidad”, afirmó Heriberto Cabrera.

Este enfoque requiere dar seguimiento a cada modificación desde su origen hasta la comprobación final. Las empresas deben documentar por qué se realiza un cambio, determinar su posible impacto, establecer el nivel de aprobación correspondiente y verificar que el estado final de los sistemas coincida con lo esperado. Si se detectan diferencias, deben existir procedimientos de reversión (rollback) previamente definidos.

La visibilidad como garantía operativa

En entornos donde la IA participa cada vez más en las operaciones tecnológicas, la visibilidad en tiempo real permite identificar qué cambió, cuándo ocurrió y si la modificación respeta las políticas y configuraciones establecidas.

“En operaciones impulsadas por IA, la seguridad y el cumplimiento dependen de la capacidad de identificar y verificar los cambios en el momento en que suceden. Sin esa visibilidad, los equipos no pueden confirmar si una acción automatizada se ejecutó correctamente o si introdujo una configuración incompatible con los controles existentes”, advierte Cabrera.

Desde esta perspectiva, la supervisión no debe entenderse como un obstáculo para la innovación. La trazabilidad, los despliegues graduales, la intervención humana cuando sea necesaria y la disponibilidad de información confiable sobre los endpoints permiten aprovechar la velocidad de la automatización sin perder el control sobre los sistemas.

El desafío para las organizaciones no consiste únicamente en delegar más tareas a la Inteligencia Artificial, sino en construir los mecanismos necesarios para comprender, verificar y gobernar cada decisión automatizada. A medida que la tecnología asume una mayor parte de la ejecución, la responsabilidad de mantener operaciones seguras y confiables sigue dependiendo de una supervisión efectiva.