Ir al contenido
IA para hoy
Empresa y transformación digital Seguridad 2/5 · Declaración interesada

Bank of America destina 4.000 personas a corregir vulnerabilidades halladas por modelos de IA

Bank of America destina 4.000 personas a corregir vulnerabilidades halladas por modelos de IA
Foto: Kiran891 · CC BY-SA 4.0 · Wikidata

Hecho Qué ha ocurrido

Bank of America ha contratado a 1.000 contratistas externos para corregir vulnerabilidades de software detectadas por modelos de IA como Mythos, de Anthropic, según CNBC. Según su consejero delegado, Brian Moynihan, trabajan junto a 3.000 empleados internos desde el segundo trimestre. Moynihan indicó que el banco gastó unos pocos cientos de millones de dólares en el tercer trimestre en trabajo de software y en requisitos contra el blanqueo de capitales, sin cifra separada para las correcciones.

Resumen generado mediante IA a partir de The Decoder (original en inglés). Naturaleza de la información: declaración de parte interesada.

Análisis Por qué importa

Es una de las primeras divulgaciones de una gran empresa sobre cuántas personas dedica a corregir fallos que la IA ha encontrado, lo que muestra el coste operativo que puede traer el uso de estos modelos en seguridad. Para un directivo, la IA ofensiva en ciberseguridad ya se traduce en presupuesto y plantilla.

Quién se ve afectado
Bancos y grandes empresas con software crítico y equipos de seguridad y desarrollo.
Qué puede cambiar
Las áreas de seguridad y TI pueden tener que absorber un volumen mayor de correcciones cuando los modelos de IA detectan vulnerabilidades, con más personal externo y más gasto. La cifra no permite cuantificar aún ese coste por separado.

Análisis generado a partir de la información disponible; no procede de la fuente.

Predicción Qué observar a continuación

Si otras entidades financieras publican cifras similares de personal o gasto en parches, y cómo evoluciona el coste de corrección según Moynihan, que espera que baje con el tiempo. También la disponibilidad de acceso a modelos como Mythos para equipos verificados.

Recomendación Qué debería hacer una empresa

Estimar en los próximos 6-12 meses el volumen de vulnerabilidades que podrían detectar herramientas de IA en los sistemas propios y el personal necesario para corregirlas.

Recomendación generada por IA con la evidencia disponible; no es asesoramiento profesional.

Compartir WhatsApp LinkedIn X Bluesky Telegram
Enviar esta noticia por correo

Se envía esta noticia con su análisis. La dirección se usa solo para ese envío y no se guarda.

Fuente original: The Decoder. La referencia es siempre el artículo original.

Ver fuente original ↗

modelos de seguridad con IA Bank of AmericaAnthropicOpenAI AnthropicbancaBank of AmericaciberseguridadMythos

Tu opinión

0 comentarios

Sin registro. La primera vez te pediremos confirmar el correo y el comentario pasará por moderación; después se publican al momento si cumplen las normas. Se guarda un resumen de tu IP para evitar abusos.

Relacionadas

La adopción de IA en empresas avanza más rápido que los controles, advierten especialistas

Especialistas de SONDA y Aditi Consulting advierten que muchas empresas adoptaron IA generativa antes de definir qué información podía compartirse y qué…

Por qué importaLa adopción puede preceder a las políticas de seguridad y gobernanza, lo que expone a fugas de datos y decisiones automatizadas sin supervisión…

Impacto medio Fiabilidad declaración interesada Ámbito Tecnología

Plataforma colombiana Revman usa IA para fijar tarifas y vender habitaciones de hotel

D'Groupe ofrece Revman, una plataforma colombiana que usa IA para recomendar tarifas, habitaciones disponibles para la venta y canales comerciales a hoteles, a…

Por qué importaPara hoteles y operadores turísticos, la gestión de tarifas y disponibilidad es una palanca directa de ingresos en un año en que los ingresos reales…

Impacto medio Fiabilidad declaración interesada Enter.co

AWS propone 'Trust in Depth', un marco por capas para dar más autonomía a los agentes de IA

AWS ha publicado en su blog de machine learning un enfoque por capas llamado Trust in Depth para que los agentes de IA actúen con más autonomía en entornos…

Por qué importaPara directivos, el planteamiento sugiere que la autonomía de los agentes depende de poder verificar reglas concretas y de tener trazabilidad sobre…

Impacto medio Fiabilidad una fuente fiable Relevancia 7/10 AWS Machine Learning Blog

John Ternus defiende el hardware de Apple frente a la IA en una entrevista con TIME

John Ternus, CEO de Apple desde el 1 de septiembre, aparece en portada de TIME junto al iPhone Duo, el primer plegable de la compañía, en una edición sobre los…

Por qué importaLa estrategia declarada de Apple combina dispositivo, datos personales y proveedores externos de IA, lo que puede influir en cómo los directivos…

Impacto bajo Fiabilidad declaración interesada Infobae Tecno