{"id":8247,"date":"2026-07-22T16:58:41","date_gmt":"2026-07-22T19:58:41","guid":{"rendered":"https:\/\/itconnect.lat\/portal\/?p=8247"},"modified":"2026-07-23T15:39:02","modified_gmt":"2026-07-23T18:39:02","slug":"ivanti-gestion-autonoma-endpoints-01","status":"publish","type":"post","link":"https:\/\/itconnect.lat\/portal\/ivanti-gestion-autonoma-endpoints-01\/","title":{"rendered":"Ivanti impulsa la Gesti\u00f3n Aut\u00f3noma eficaz de Endpoints 2026"},"content":{"rendered":"
\n
\n

Ivanti Neurons incorpora remediaci\u00f3n predictiva y autonom\u00eda gobernada para reducir el tiempo de exposici\u00f3n y resolver brechas de parches en empresas de LATAM.<\/h2>\n

El Colapso de la Ventana de Exposici\u00f3n y la Crisis del Modelo Reactivo en LATAM<\/h3>\n

Las operaciones de tecnolog\u00edas de la informaci\u00f3n (TI) y ciberseguridad en el entorno corporativo de Am\u00e9rica Latina enfrentan un punto de inflexi\u00f3n cr\u00edtico, provocado por la aceleraci\u00f3n en la identificaci\u00f3n de vulnerabilidades mediante Inteligencia Artificial (IA) y un volumen sin precedentes de parches de software que deben desplegarse en arquitecturas h\u00edbridas y distribuidas<\/span>. <\/span><\/p>\n

\"Ivanti<\/a>
Ivanti Neurons<\/figcaption><\/figure>\n

El modelo tradicional de gesti\u00f3n de parches, caracterizado por escaneos peri\u00f3dicos y ciclos de aplicaci\u00f3n reactivos, ha quedado rebasado por la capacidad de los ciberadversarios para desarrollar exploits funcionales a velocidad de m\u00e1quina<\/span>.<\/span><\/p>\n

Anualmente, las bases de datos globales registran m\u00e1s de 40.000 nuevas Vulnerabilidades y Exposiciones Comunes (CVE)<\/span>. <\/span><\/p>\n

Esta sobrecarga de informaci\u00f3n se intensific\u00f3 cuando la Base de Datos Nacional de Vulnerabilidades (NVD) redujo el ritmo de enriquecimiento para fallas que no est\u00e1n catalogadas como Vulnerabilidades Conocidas Explotadas (KEV)<\/span>. <\/span><\/p>\n

Esta medida dej\u00f3 miles de incidencias sin puntuaci\u00f3n estandarizada bajo el sistema CVSS (Common Vulnerability Scoring System), sin contexto de gravedad y sin un cronograma claro de an\u00e1lisis<\/span>. <\/span><\/p>\n

Esta degradaci\u00f3n en las fuentes p\u00fablicas de inteligencia obliga a los equipos de seguridad a operar con puntos ciegos o a depender de herramientas desconectadas que generan volumen de alertas descontextualizadas<\/span>.<\/span><\/p>\n

El tiempo mediano en que un grupo criminal desarrolla un exploit funcional tras la divulgaci\u00f3n p\u00fablica de una vulnerabilidad se ha reducido a solo cinco d\u00edas<\/span>. <\/span><\/p>\n

Asimismo, m\u00e1s del 50% de las CVEs cuentan con c\u00f3digo de explotaci\u00f3n circulando en entornos cibern\u00e9ticos no regulados en menos de una semana desde su publicaci\u00f3n<\/span>. <\/span><\/p>\n

En contraste con esta din\u00e1mica de ataque, el Tiempo Medio de Remediaci\u00f3n (MTTR) en el \u00e1mbito empresarial para vulnerabilidades cr\u00edticas supera con frecuencia los cinco meses, y \u00fanicamente el 16% de las actualizaciones de seguridad logran desplegarse dentro de la ventana \u00f3ptima de 48 horas recomendada por los est\u00e1ndares internacionales<\/span>.<\/span><\/p>\n

\n
\n
\n
Ventana de Ataque vs. Tiempo de Respuesta Tradicional:\r\n- Desarrollo de exploit funcional: 5 d\u00edas promedio\r\n- Explotaci\u00f3n en dark web post-divulgaci\u00f3n: < 7 d\u00edas (50% de las CVEs)\r\n- Tiempo Medio de Remediaci\u00f3n (MTTR) corporativo: > 150 d\u00edas\r\n- Parches aplicados en ventana \u00f3ptima de 48 horas: 16%\r\n<\/code><\/pre>\n<\/div>\n<\/div>\n<\/div>\n
En Am\u00e9rica Latina, esta brecha entre el descubrimiento del riesgo y la aplicaci\u00f3n de la enmienda adquiere una dimensi\u00f3n de alta vulnerabilidad operativa<\/span>. <\/span><\/p>\n
Las m\u00e9tricas de monitoreo regional indican un promedio de 3.065 intentos de intrusi\u00f3n semanales por organizaci\u00f3n, una cifra que supera en un 40% la media global<\/span>. <\/span><\/p>\n
En paralelo, las incidencias vinculadas a la extorsi\u00f3n mediante secuestro de datos registraron un aumento del 78% interanual, concentrando a Brasil con un 30% de las v\u00edctimas identificadas, seguido por M\u00e9xico con un 14% y Argentina con un 13%<\/span>. <\/span><\/p>\n
A pesar de la severidad del entorno, el 42% de las empresas latinoamericanas admite una falta de confianza en su capacidad de preparaci\u00f3n y respuesta ante incidentes cibern\u00e9ticos que afecten infraestructuras cr\u00edticas<\/span>.<\/span><\/p>\n
El origen estructural de esta lentitud en la respuesta radica en la fricci\u00f3n hist\u00f3rica entre los departamentos de Operaciones de Seguridad (SecOps) y Operaciones de TI (ITOps)<\/span>. <\/span><\/p>\n
Investigaciones de la industria revelan que el 48% de los profesionales de ciberseguridad considera que los equipos de TI no responden con la urgencia requerida ante las alertas de riesgo<\/span>. <\/span><\/p>\n
Por su parte, el 40% de los especialistas en infraestructura de TI argumenta que el \u00e1rea de seguridad carece de comprensi\u00f3n sobre la tolerancia al riesgo operativo, la continuidad del negocio y el impacto de las interrupciones imprevistas provocadas por parches no probados adecuadamente<\/span>. <\/span><\/p>\n
Al carecer de un sistema unificado de referencia, la priorizaci\u00f3n de parches se convierte en una disputa de criterios que dilata la ventana de exposici\u00f3n e incrementa la probabilidad de un acceso no autorizado<\/span>.<\/span><\/p>\n
Arquitectura de Ivanti Neurons AEM: De la Visibilidad a la Remediaci\u00f3n Predictiva<\/h2>\n
Para resolver la desconexi\u00f3n estructural entre la identificaci\u00f3n de vulnerabilidades y la ejecuci\u00f3n efectiva del parche, Ivanti ha presentado nuevas capacidades en su soluci\u00f3n de Gesti\u00f3n Aut\u00f3noma de Endpoints<\/a> (AEM, por sus siglas en ingl\u00e9s), sustentada sobre la plataforma Ivanti Neurons<\/span>. <\/span><\/p>\n
Esta evoluci\u00f3n integra la Gesti\u00f3n Aut\u00f3noma de Parches con mecanismos de remediaci\u00f3n predictiva, estableciendo una arquitectura tecnol\u00f3gica dise\u00f1ada para transformar conjuntos de datos complejos en flujos de trabajo automatizados y gobernados<\/span>.<\/span><\/p>\n
El pilar sobre el cual se articula esta soluci\u00f3n es la Autoridad de Datos (Data Authority) y el establecimiento de un Sistema de Referencia (System of Record) unificado<\/span>. Los modelos de Inteligencia Artificial aplicados a la ciberseguridad requieren datos fiables y actualizados para evitar desviaciones operativas<\/span>. <\/span><\/p>\n
El motor de descubrimiento de Ivanti Neurons concilia de forma continua el inventario de activos corporativos \u2014incluyendo dispositivos gestionados, no gestionados, entornos de nube, dispositivos m\u00f3viles y sistemas fuera del control expl\u00edcito de TI (Shadow IT)\u2014 para consolidar una visi\u00f3n \u00fanica del parque inform\u00e1tico<\/span>. <\/span><\/p>\n
Esta visibilidad resulta determinante, dado que el 73% de los l\u00edderes de ciberseguridad ha sufrido incidentes causados por activos no identificados, y el 46% de los dispositivos comprometidos con accesos corporativos corresponden a sistemas no gestionados<\/span>.<\/span><\/p>\n
Sobre esta base de datos fiables, la plataforma integra la gesti\u00f3n de endpoints (UEM), el monitoreo de la experiencia digital del empleado (DEX) y capacidades de autorreparaci\u00f3n (Self-Healing)<\/span>. <\/span><\/p>\n
A diferencia de los esquemas de priorizaci\u00f3n basados \u00fanicamente en puntuaciones CVSS gen\u00e9ricas, la Gesti\u00f3n Aut\u00f3noma de Endpoints utiliza el algoritmo de Calificaci\u00f3n de Riesgo de Vulnerabilidad (VRR, Vulnerability Risk Rating)<\/span>. <\/span><\/p>\n
El motor VRR opera de manera independiente de las actualizaciones de la NVD, cruzando inteligencia de amenazas en tiempo real, datos sobre exploits activos en el mercado negro, la criticidad del dispositivo dentro de la arquitectura de negocio y la ubicaci\u00f3n del activo para determinar el nivel de riesgo real<\/span>.<\/span><\/p>\n
\u00bfC\u00f3mo funciona la remediaci\u00f3n predictiva?<\/h3>\n
El avance tecnol\u00f3gico central en esta versi\u00f3n radica en la funci\u00f3n de Remediaci\u00f3n Predictiva<\/span>. <\/span><\/p>\n
Mientras que las herramientas de gesti\u00f3n de parches tradicionales informan qu\u00e9 dispositivos requieren una actualizaci\u00f3n, la remediaci\u00f3n predictiva proyecta el resultado de la intervenci\u00f3n antes de que se ejecute en la red<\/span>. <\/span><\/p>\n
El sistema analiza y anticipa si la aplicaci\u00f3n de una enmienda lograr\u00e1 cumplir con los niveles de cumplimiento exigidos y con los Acuerdos de Nivel de Servicio (SLA) fijados por la organizaci\u00f3n<\/span>.<\/span><\/p>\n
El an\u00e1lisis predictivo examina las condiciones operativas del endpoint para identificar obst\u00e1culos que podr\u00edan provocar un fallo en la instalaci\u00f3n<\/span>. <\/span><\/p>\n
Entre estos factores bloqueadores se encuentran<\/span>:<\/span><\/p>\n